초록
컴퓨터 보조 물리 재활 평가는 센서 시스템으로 캡처된 움직임 데이터를 처리하여 환자가 처방된 재활 운동을 완료하는 성능을 평가하는 것을 포함합니다. 재활 평가가 환자의 개선된 결과와 의료 비용 절감에 있어 필수적인 역할을 하기 때문에, 기존 접근 방식들은 유연성, 견고성, 그리고 실용적 관련성이 부족한 문제가 있습니다. 본 논문에서는 물리 재활 운동의 품질을 자동으로 평가하기 위한 딥러닝 기반 프레임워크를 제안합니다. 이 프레임워크의 주요 구성 요소는 움직임 성능을 양자화하는 지표, 성능 지표를 움직임 품질의 수치 점수로 매핑하는 점수 함수, 그리고 감독 학습을 통해 입력 움직임의 품질 점수를 생성하는 딥 신경망 모델입니다.제안된 성능 지표는 가우시안 혼합 모델의 로그-우도(log-likelihood)를 기반으로 정의되며, 딥 오토인코더 네트워크로 얻은 저차원 데이터 표현을 인코딩합니다. 제안된 딥 공간-시간 신경망은 데이터를 시간 피라미드로 배열하고, 부분 네트워크를 사용하여 각 신체 부위의 관절 변위를 처리함으로써 인간 움직임의 공간적 특성을 활용합니다. 제시된 프레임워크는 10개의 재활 운동 데이터셋을 사용하여 검증되었습니다. 본 연구의 중요성은 딥 신경망을 이용해 재활 성능을 평가한 최초의 사례라는 데 있습니다.