디지털 바이오마커를 이용한 침상 하지 운동 및 자세 인식 딥러닝 모델의 설계 및 구현

국문 초록 (Abstract)

척추 수술 후 환자 등 상당수의 입원 환자들은 일정 기간 침상에서 생활하기 때문에 근육 약화로 인한 다양한 합병증에 노출된다. 이러한 위험을 예방하기 위해 의료진은 종종 환자에게 운동과 자세 변환의 중요성에 대해 교육하지만, 환자가 운동을 제대로 시행하는지 객관적으로 확인하기는 어렵다. 본 연구에서는 6축 관성(Inertial Measurement Unit, IMU) 센서와 표면 근전도(Surface ElectroMyoGram, sEMG) 센서로 구성된 단일 디지털 바이오마커를 사용하여 침상 하지 운동과 자세를 인식하는 Convolution Neural Network(CNN) 기반 딥러닝 모델을 설계 및 구현한다. 건강한 성인 20명의 데이터를 수집하여 다양한 환경에서 모델의 성능과 효용성을 평가하였으며, 모델은 8가지 자세와 14가지 운동에 대해 95.42%의 인식 정확도를 달성하였다. 본 연구 결과는 의료진이 침상 환자의 재활 운동과 자세를 모니터링할 수 있도록 도와주어 빠른 회복과 운동 효과 향상 및 합병증 예방에 기여할 수 있다.

다국어 초록 (Multilingual Abstract)

A considerable number of inpatients, including patients who have undergone spinal surgery, live in bed for a certain period of time, which exposes them to various complications caused by muscle weakness. To mitigate this risk, medical staff often educate patients about the importance of exercise and posture changes. However, it is challenging to objectively determine whether patients are performing exercises correctly. In this work, we design and implement a deep learning model that recognizes bedside lower extremity exercises and postures using a single digital biomarker. Data from 20 healthy adults were collected to evaluate the performance and utility of the model in various environments. The model achieved a recognition accuracy of 95.42% for 8 postures and 14 exercises. The findings of this study can contribute to faster recovery, improved exercise effects, and prevention of complications by assisting medical staff in monitoring the rehabilitation exercises and postures of bedside patients.

목차 (Table of Contents)

• 요약
• ABSTRACT
• Ⅰ. 서론
• Ⅱ. 데이터 수집 및 딥러닝 모델 설계
• Ⅲ. 실험 및 평가
• Ⅳ. 결론
• References