신경계 질환환자의 재활치료 중 모터그레이드 정량평가를 위한 CRNN 기반 알고리즘 개발 :Development of CRNN-based algorithm for quantitative evaluation of motor grade during rehabilitation of neurological patients

신승환

추천

검색

자료유형: 학위논문

저자정보: 신승환 (연세대학교, 연세대학교 대학원)

지도교수: 신태민

발행연도: 2021

저작권: 연세대학교 논문은 저작권에 의해 보호받습니다.

이용수48

이 논문의 연구 히스토리 (3)

2021

신경계 질환환자의 재활치료 중 모터그레이드 정량평가를 위한 CRNN 기반 알고리즘 개발

신승환 의공학과 2021.01 학위논문

2020

신경계 질환 환자의 모터그레이드 추정을 위한 WPF 기반의 동작 추정 알고리즘 개발

신승환 , 양하희 , 최여은 외 3명 대한전자공학회 학술대회 2020.08 학술대회자료

신경계 질환 환자의 사지 모터그레이드 추정을 위한 WPF 기반 다중 모니터링 시스템 개발

신승환 , 최여은 , 김도형 외 3명 한국통신학회 학술대회논문집 2020.02 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

본 논문은 신경계 질환환자의 재활치료 중 객관적인 모터그레이드 평가를 위하여 블루투스 통신을 기반으로 움직임 데이터를 수집하는 Device를 개발하고, 신경계 질환 환자를 대상으로 실험을 설계하여 데이터를 수집한다. 또한 Convolution Recurrent Neural Network(CRNN) 기반의 모터그레이드 평가 알고리즘을 개발하여 실제 신경계 질환 환자에게 적용하는 것을 목적으로 한다.
모터그레이드(Motor Grade)는 근력의 정도를 평가하는 것으로, 근력의 세기를 통해 신경의 손상 정도를 판별할 수 있다. 모터그레이드 평가법은 검사대상자의 움직임이나 자극에 대한 반응을 의료진의 주관적인 시선으로 관찰 후 점수를 평가하는 특성을 가지고 있다. 이에 따라 피검사자의 동일한 움직임을 보고 검사자마다 서로 다른 등급으로 평가하는 등의 문제점이 있다.
이에 본 연구에서는 객관적인 움직임 데이터를 획득하기 위해 블루투스 통신 기반의 Module을 개발하였으며, 재활치료를 진행중인 신경계 질환 환자 15명을 대상으로 Data Set을 획득했다. 또한 CRNN 기반 모터그레이드 정량평가 알고리즘을 개발하여, 획득한 Data Set을 학습시키고 검증하였다. 본 실험에서 획득한 Data Set의 적은 개수를 보완하기 위하여 선행연구에서 획득한 일반인 대상 Data Set을 전이학습 방식을 사용하여 학습에 사용하였고, 정확도를 비교 평가하였다.
선행연구와 비교하기 위하여 10겹 교차검증 방식을 사용하여 정확도를 계산한 결과 Right Arm의 경우 97.97±0.02%, Left Arm은 97.23±0.05%, Right Leg는 97.12±0.03% Left Leg는 97.03±0.04%의 정확도를 보였다. 동일한 데이터 베이스를 이용하여 선행 연구의 알고리즘과 비교하였을 때 본 연구의 알고리즘이 팔의 경우 약 4~5%, 다리의 경우 약 14~21% 이상으로 정확도가 더 높게 나타났다.
그러나 본 연구에서 획득한 환자 Data Set은 모터그레이드의 각 단계를 완벽하게 판별하는데 있어 그 수가 부족하다. 따라서 더 다양한 실험군을 대상으로 Data Set을 수집할 필요가 있으며, 현재 개발된 알고리즘은 Knee Rotation, Elbow Rotation, Finger Movement에 한정 되어있어 다양한 움직임에 대한 Data Set을 적용가능한 알고리즘의 개발이 필요하다. 이러한 한계점들을 보완하고, 본 연구의 모터그레이드 정량평가 시스템을 이용하여 실제 모터그레이드 평가를 보조한다면 신경계 질환 환자들의 근력평가에 긍정적인 영향을 미칠 수 있을 것으로 사료된다.

This paper aims to develop a device that collects motion data, which is based on bluetooth communication, for objective motor grade evaluation during rehabilitation treatment for patients with neurological diseases. Motion data was then collected by designing clinical trials with neurological patients. Furthermore, it also aims to develop a motor grade evaluation algorithm based on the Convolutional Recurrent Neural Network (CRNN) and apply it to neurological patients.
Motor grade is to evaluate the degree of muscle strength, which can determine the extent of nerve damage through the strength of the muscle. The motor grade evaluation method has the characteristics of evaluating scores after observing the response to movements or stimuli of the test subjects from a subjective perspective of the medical staff. Accordingly, there are problems such as each medical staff evaluating different grades, even after capturing the same movements of the subjects.
Therefore, in this study, a bluetooth communication-based module was developed to obtain objective motion data, and a data set was acquired for 15 patients with neurological patients undergoing rehabilitation. In addition, a CRNN based motor grade quantitative evaluation algorithm is developed to learn and validate the acquired data sets. In order to compensate for the small number of data sets acquired in this clinical trial, the healthy ordinary people data sets acquired in previous research were used with a transfer-learning. In addition, the results and accuracy of previous research were compared and evaluated.
As a result of using 10-fold cross validation, an accuracy of 97.97±0.02% for Right Arm, 97.23±0.05% for Left Arm, 97.12±0.03% for Right Leg, and 97.03±0.04% for Right Arm was shown. When compared with the algorithm of the previous study using the same database, the algorithm of this study showed higher accuracy of about 4~5% for the arm and about 14~21% for the leg. Therefore, assisting the motor grade using CRNN-based motor grade quantitative evaluation system of this study will have a positive effect on the muscle strength evaluation of neurological disease patients.

#신경계 질환 환자 #재활치료 #모터그레이드 #근력평가 #블루투스 #CRNN #전이학습 #정량평가 #MRC 평가지표 #심층학습 #Neurological disease patients #Rehabilitation treatment #Motor grade #Muscle strength evaluation #Bluetooth #Transfer learning #Quantitative evaluation

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (3)

초록· 키워드

목차

최근 본 자료

댓글(0)