AI기반 휴먼포즈 인식을 통한 기능움직임평가의 디지털전환 = The Digital Transformation of Functional Movement Screen through Human Pose Recognition based on Artificial Intelligence

국문 초록 (Abstract)

본 연구는 기존 임상 현장에서 활용되는 기능움직임평가가 측정자의 지식, 동작에 대한 이해 수준에 따라 측정 결과가 달라지는 문제점을 개선하기 위한 연구이다. 본 연구의 목적은 AI기반으로 휴먼포즈 인식을 통한 기능움직임평가의 디지털전환에 필요한 시스템을 구축하는 것이다. 이를 위해 1) 기능움직임평가 가이드라인 디지털전환, 2) BlazePose를 이용한 기능움직임평가 모듈 개발, 3) 임상데이터의 신뢰도 분석을 수행하였다. 연구 결과, 동작의 복잡도가 높고 데이터셋 동작과 유사도가 낮은 동작에 대한 관절 키포인트 인식의 성능 저하가 나타났다. 기능움직임평가의 디지털전환을 통해 측정자와 사용자 모두에게 생산성(시간 단축, 측정값에 대한 신뢰성 개선)이 개선됨을 확인하였다. 향후의 연구에서는 기능움직임평가 AI모델 성능 개선을 위해 학습용 데이터셋 구축과 데이터 증강 기법의 적용이 필요하다.

다국어 초록 (Multilingual Abstract)

This research aims to improve the problems with functional movement screens used in existing clinical settings, where the measurement results are based on knowledge of measurement and understanding of movement. The purpose of this research is to build a system necessary for digital conversion of movement evaluation that operates a human-pose wristwatch based on AI. To this end, we performed 1) conversion of functional movement evaluation guidelines, 2) development of a functional movement evaluation module using BlazePose, and 3) reliability analysis of clinical data. The results of the research show that movement key points in sports protection in diabetes have similar features to the dataset with protection in cycling. We have seen that the digital transformation of movement assessment provides improved functionality for both measurers and users (savings time, improved authentication of measured values). In research, it is necessary to build a learning dataset and apply data sharing to improve AI performance in functional movement evaluation.