보고서 정보
주관연구기관 |
중앙대학교 Chung Ang University |
연구책임자 |
범재원
|
참여연구자 |
조영창
,
이정준
|
보고서유형 | 최종보고서 |
발행국가 | 대한민국 |
언어 |
한국어
|
발행년월 | 2019-11 |
과제시작연도 |
2019 |
주관부처 |
보건복지부 [Ministry of Health & Welfare(MW)(MW) |
등록번호 |
TRKO202000005245 |
과제고유번호 |
1465029957 |
사업명 |
국립재활원재활연구개발용역사업(R&D) |
DB 구축일자 |
2020-05-16
|
초록
▼
Ⅰ. 최종목표
* 총괄목표: 상지재활로봇 활용시 편마비측 상지의 운동형상학(kinematics) 데이터베이스를 구축하고 데이터베이스의 신뢰도를 검증하며 기계학습을 적용한 기능평가 알고리즘을 개발하고자 함. (기능평가에 기계학습 알고리즘을 적용)
1) 1차년도: 임상정보 및 편마비측 상지 운동형상학 데이터 수집 시스템과 데이터베이스 구축
2) 2차년도: 지속적인 데이터베이스 구축, 데이터 검증 및 상지 기능평가 알고리즘 도출
Ⅱ. 연구방법
1) 1차년도
○ 아급성기 및 만성기 뇌졸중 장애인을 대
Ⅰ. 최종목표
* 총괄목표: 상지재활로봇 활용시 편마비측 상지의 운동형상학(kinematics) 데이터베이스를 구축하고 데이터베이스의 신뢰도를 검증하며 기계학습을 적용한 기능평가 알고리즘을 개발하고자 함. (기능평가에 기계학습 알고리즘을 적용)
1) 1차년도: 임상정보 및 편마비측 상지 운동형상학 데이터 수집 시스템과 데이터베이스 구축
2) 2차년도: 지속적인 데이터베이스 구축, 데이터 검증 및 상지 기능평가 알고리즘 도출
Ⅱ. 연구방법
1) 1차년도
○ 아급성기 및 만성기 뇌졸중 장애인을 대상으로, 상용화된 평가용 상지재활로봇장치를 활용한 재활 데이터 수집
- 병원 작업치료실/로봇치료실내 설치
- 로봇장치에 내장된 측정 프로그램을 활용한 평가지표 개발 및 측정
- 관절운동범위·시너지 양상·경직도를 종합적으로 반영하는 Brunnstrom stage의 3, 4, 5단계를 기준으로 세 군으로 구분함. (총 36명)
- 위치 센서를 활용한 실시간 상지 운동형상학 데이터 수집
○ 클라우드를 활용한 데이터베이스 구축·운영 및 신뢰도 검증
- 상지 동작 데이터의 클라우드 입력 자동화를 위한 현장 클라이언트 단말기 제작·구축(병원 HIS의 임상정보 입력, 평가용 로봇장치로부터의 데이터 수집 및 클라우드 자동연계)
- 임상정보 및 평가척도(입력 및 출력정보에 해당하는 내적·외적 인자) 수집 항목(16종)
: 연령, 성별, 뇌졸중 발병일로부터의 경과 기간, 뇌졸중 병변 위치, 상지 근력(Motricity index), 관절별 가동범위, 경직도(modified Ashworth scale), Brunnstrom stage, Fugl-Meyer 척도, Box and block test, Pegboard를 활용한 수지기능평가, 편측무시(hemispatial neglect) 검사, 날씨, 심리상태, 인지상태, 진행한 중재치료
- 편마비측 상지 동작 데이터 수집 항목(11종): 시기별 운동형상학적 정보 추적 관찰
: Range of Motion, Normalized Jerk, Zero Crossings in Acceleration, Mean Arrest Period Rate, Mean Speed, Maximum Speed, Time to Speed Peak, Reaction Time, Hand Path Ratio,Bias, Variability
- 한국데이터진흥원의 데이터베이스 품질 인증 (유효기간: 1년)
- 수집된 데이터에서 장애인의 상지 기능 상태와 유의한 관계를 갖는 데이터 항목을 도출하여 분석
- 과제종료 후 다기관·다종 로봇에서의 지속적인 재활 빅데이터 수집 및 활용을 고려한 데이터베이스 설계
○ 기계학습 기반 기능평가 알고리즘 모델 개발
- 최적의 상지 동작 경로를 기준으로 하여 재활로봇치료 프로그램별 미수행 영역을 판별하고 부족한 기능을 평가하는 기계학습 알고리즘 초기 모델 개발
- 기계학습 알고리즘 정확도의 정의는 우선 Fugl-Meyer 평가척도(상지) 세부항목과의 일치도 10% 이내를 기준으로 하고자 하며, 연구진행 과정에서 적합한 정확도 지표를 도출하고자 함.
- 다양한 기계학습 방법론을 적용한 후, 가장 정확도(예측률)가 높은 방법론을 선택
2) 2차년도
○ 지속적인 데이터베이스 구축 및 데이터 검증
- 기계학습에 유효하고 뇌졸중 장애인의 상지 기능 평가에 적합한 임상 데이터 지속 수집·검증
- Brunnstrom stage의 3, 4, 5단계를 기준으로 세 군으로 구분함.
- 개방형 클라우드 플랫폼 및 공공데이터와의 연계 방안 마련
- 클라이언트 단말기 확장성 및 사용성에 대한 지속적인 연구 및 개발
○ 기계학습 기반 기능평가 알고리즘 정확도(성능) 향상
- 재활로봇장치 프로그램별 미수행 영역을 판별하고 부족한 기능을 평가하는 기계학습 알고리즘 성능 개선
- 알고리즘 도출시 임상정보를 함께 반영
- 다양한 기계학습 방법론을 적용한 후, 가장 정확도(예측률)가 높은 방법론을 선택
○ 효용성 검증: 기존의 상지 기능 평가척도와의 상관성 분석
Ⅲ. 연구결과
○ 상지 운동형상학 지표(12종) 확립 및 계산함수 도출
: Range of Motion, Normalized Jerk, Zero Crossings in Acceleration, Mean Arrest Period Rate, Average Speed, Maximum Speed, Time to Speed Peak, Reaction Time, Hand Path Ratio, Bias, Variability, Movement Time
○ 임상평가척도와 최대 상관관계 보이는 운동형상학 지표 도출
* 목표도달 평가 – Zero Crossing in Acceleration, Movement Time, Mean Arrest Period Rate
* 궤적그리기 평가 – Zero Crossing in Acceleration, Movement Time, Bias x-axis
* 자유탐색 평가 – Range of Motion
○ 클라우드 입력 자동화를 위한 현장 클라이언트 단말기 3세트 제작함.
○ 클라우드를 활용한 데이터베이스 구축함.
○ 한국데이터진흥원 데이터 품질인증 받음.
○ 기계학습 기반 기능평가 알고리즘 모델 개발함. (정확도: 85.68%)
Ⅳ. 연구성과
○ 아급성기 및 만성기 뇌졸중 환자의 편마비측 상지 운동형상학 데이터베이스 구축
○ 수기 입력이 아닌 클라이언트 단말기를 통한 클라우드 입력 자동화
○ 상지동작데이터를 분석하여 상지 회복과 관련된 운동형상학 지표들 도출
○ 상지 기능평가를 예측하는 기계학습 모델 개발로 향후 상지 관련 분야에 응용 가능성
○ 추후 뇌졸중 환자의 기능 예측 및 환자군 분류의 기반 마련
(출처 : 요약문 4p)
목차 Contents
- 표지 ... 1
- 제 출 문 ... 2
- 최 종 보 고 서 ... 3
- 최종보고서 요약문 ... 4
- 목차 ... 7
- 제 1 장 연구개발의 목적 및 필요성 ... 8
- 제 1 절 연구개발 목표 및 목표달성도 ... 8
- 제 2 절 국내외 기술현황 ... 15
- 제 2 장 연구개발 내용 및 방법 ... 19
- 제 1 절 연구개발 내용 및 방법 ... 19
- 제 3 장 연구 결과 ... 21
- 제 1 절 연구개발결과 ... 21
- 제 2 절 연구개발 고찰 및 결론 ... 91
- 제 4 장 연구 성과 및 활용계획 ... 93
- 제 1 절 연구개발성과 ... 93
- 제 2 절 연구성과 활용계획 ... 93
- [별첨 1] 주요 참고문헌 (상지 운동형상학 평가척도 고찰) ... 95
- [별첨 2] 데이터품질인증 결과보고서 ... 104
- [별첨 3] 특허출원서 ... 163
- 끝페이지 ... 213
※ AI-Helper는 부적절한 답변을 할 수 있습니다.