KR102276625B1 - 비정상 근육 시너지 패턴 교정 훈련 장치 및 이를 이용한 피험자의 근육 시너지 패턴 교정 훈련 방법 - Google Patents

Abstract

비정상 근육 시너지 패턴 훈련 교정 장치가 피험자의 비정상 근육 시너지 패턴을 교정하는 방법으로서, 과제를 수행한 피험자의 복수의 근전도와 힘의 세기를 측정하고, 피험자의 자세 정보를 인식한다. 과제를 수행하는 동안 사용된 근육 시너지 패턴을 분석하고, 근육 시너지 패턴을 기초로 선별된 피험자의 훈련 과제로부터 교정이 필요한 대상 근육 시너지 패턴을 선별한다. 대상 근육 시너지 패턴으로부터 생성된 중간 근육 시너지 패턴의 근전도 패턴을 재인식하고, 재인식한 근전도 패턴의 예측한 힘의 세기를 피험자에게 피드백으로 제공하여 비정상 근육 시너지 패턴을 교정한다.

Description

비정상 근육 시너지 패턴 교정 훈련 장치 및 이를 이용한 피험자의 근육 시너지 패턴 교정 훈련 방법{Apparatus abnormal muscle synergy pattern correction training and method of correcting muscle synergy pattern correction using the same}

본 발명은 비정상 근육 시너지 패턴 교정 훈련 장치 및 이를 이용한 피험자의 근육 시너지 패턴 교정 훈련 방법에 관한 것이다.

근육 시너지는 인체가 운동을 수행하는데 사용하는 수많은 근육을 개별적으로 제어하는 것이 아니라, 운동을 수행하기 위해 여러 근육이 조합된 운동 모듈(근육 시너지)의 형태로 근육을 사용하는 것을 의미한다. 즉, 피험자가 특정 작업이나 운동을 수행할 때, 해당 작업이나 운동을 위해 적은 수의 운동 모듈을 사용하여 많은 수의 근육을 제어하는 것을 근육 시너지라 한다.

이때, 운동선수, 일반인 및 뇌졸중과 같은 신경계 병변 환자 간의 비교 연구를 통해, 운동 능력이 떨어질수록 개인이 사용하는 근육 시너지의 종류가 적어지고, 각 근육 시너지의 생체역학적 기능이 특화되어 있지 않아 여러 기능이 하나의 근육 시너지에 뭉뚱그려진 형태를 나타낸다는 점이 밝혀졌다.

근력과 관절의 동작 범위의 회복에 초점을 맞추는 기존의 재활 방법으로는 상지 기능이 회복되는 정도가 제한적이다. 따라서, 근육을 조화롭게 사용할 수 있도록 근육 시너지 패턴을 교정하는 방법이 주목 받고 있다.

근육을 사용하는 패턴을 교정하기 위한 종래의 연구의 사례에서는, 훈련 중 피험자가 현재 자신이 근육을 사용하는 방식을 파악하고 의식적으로 근육 사용 방식을 변화시킬 수 있도록, 근육 시너지 패턴 교정 장치가 각 근육에서 측정한 근전도 신호에서 특징값을 계산하여 피험자에게 피드백으로 제공한다. 가장 대표적으로 사용되는 근전도 특징값으로 근전도 신호의 진폭으로부터 근육 수축의 정도를 추정하여 보여줌으로써, 피험자로 하여금 특정 근육을 수축하거나 이완하도록 유도한다.

근육 시너지 패턴 교정 장치는 피험자에게 다양한 방식의 피드백을 제공할 수 있다. 가장 일반적인 방식으로는 직선(한 방향), 평면(두 방향) 혹은 공간(세 방향)에서 서로 다른 근전도 특징값에, 각 방향의 좌표가 대응되어 움직이는 커서를 화면에 보여주는 시각적 방식이 많이 사용된다. 이 외에도 근육 시너지 패턴 교정 장치는 음성, 전기자극, 진동 자극 등을 피드백으로 제공한다.

하지만, 근육 시너지 패턴 교정 장치가 근전도 신호의 특징값을 사용자에게 피드백으로 제공하는 방식은, 다음과 같은 이유로 근육 시너지 패턴의 교정에 적용하기 어렵다.

첫째로, 특징값을 정의하는 방식에 따라, 해당 특징값을 키우거나 줄이기 위하여 근육을 어떻게 수축 또는 이완시켜야 하는지 피험자가 이해하기 어려울 수 있다. 가장 간단한 경우로서, 순간적인 근전도 신호의 진폭을 특징값으로 사용하면, 근전도를 측정하고 있는 각 근육을 더 강하게 수축하거나 이완시켜 특징값을 바꾸는 방식을 직관적으로 이해할 수 있다.

하지만, 복잡한 방식의 특징값이 사용되는 경우(예를 들어, 일정 시간 동안 측정된 근전도 신호의 형태로부터 특징값을 정의하거나 근전도 신호의 주파수 특징으로 정의하는 경우), 피험자가 해당 특징값을 변화시키는 방식을 직관적으로 이해하기 어려워 훈련 과제를 습득하기에 많은 시간이 필요하고, 그만큼 훈련에 빠르게 매진할 수 없다.

둘째로, 간단한 특징값만 사용하여 직관적인 훈련 과제를 구성하더라도 피드백을 통해 제공할 수 있는 정보의 양이 제한적이기 때문에, 몇몇 근육의 수축 정보만 훈련에 사용할 수 있다. 특정한 방향으로 힘을 내거나 특정한 궤적을 따라 동작을 만드는 실제 운동 상황에서는 다양한 근육이 조합되어 사용되지만, 선별된 일부 특징값에 대응되는 근육 수축 정보만을 피드백을 통해 피험자에게 제공된다. 따라서 피드백으로 제공되지 않는 근육의 경우, 어떻게 수축하는지 피험자가 훈련 중에 인지할 수 없어, 훈련 중 의도치 않은 방향으로 사용 방식이 바뀔 수 있다.

따라서, 본 발명은 근육 사용 패턴을 변화시키기 위한 재활 훈련 시, 근전도 신호에서 계산된 특징값이 아니라 피험자가 실제로 내는 힘의 크기 및 방향 또는 동작 궤적을 피드백으로 제공하고, 이에 따라 목표하는 근육 수축 형태에 대응되는 힘의 크기, 방향 및 동작 궤적을 계산하여, 훈련 목표로 피험자에게 제시하는 비정상 근육 시너지 패턴 교정 훈련 장치 및 이를 이용한 피험자의 근육 시너지 패턴 교정 훈련 방법을 제공한다.

상기 본 발명의 기술적 과제를 달성하기 위한 본 발명의 하나의 특징인 비정상 근육 시너지 패턴 훈련 교정 장치가 피험자의 비정상 근육 시너지 패턴을 교정하는 방법으로서,

과제를 수행한 피험자의 복수의 근전도와 힘의 세기를 측정하고, 상기 피험자의 자세 정보를 인식하는 단계, 상기 과제를 수행하는 동안 사용된 근육 시너지 패턴을 분석하는 단계, 상기 근육 시너지 패턴을 기초로 선별된 상기 피험자의 훈련 과제로부터 교정이 필요한 대상 근육 시너지 패턴을 선별하는 단계, 상기 대상 근육 시너지 패턴으로부터 생성된 중간 근육 시너지 패턴의 근전도 패턴을 재인식하는 단계, 그리고 상기 재인식한 근전도 패턴의 힘의 세기를 예측하고, 상기 예측한 힘의 세기를 상기 피험자에게 피드백으로 제공하는 단계를 포함한다.

상기 근육 시너지 패턴을 분석하는 단계는, 상기 복수의 근전도를 이용하여 상기 생체 역학 모델을 학습하는 단계를 더 포함할 수 있다.

상기 생체 역학 모델을 학습하는 단계는, 임의의 모델 파라미터를 생성하고, 상기 모델 파라미터에 따라 상기 생체 역학 모델을 생성하는 단계, 상기 복수의 근전도를 이용하여 힘의 세기 변화를 예측하는 단계, 상기 예측한 예측 힘의 세기와 상기 피험자가 상기 과제를 수행하여 측정한 측정 힘의 세기의 오차를 계산하는 단계, 그리고 상기 계산한 오차가 미리 설정한 기준값 이하이면, 상기 생체 역학 모델의 학습을 종료하는 단계를 포함할 수 있다.

상기 생체 역학 모듈은, 상기 훈련 과제에 대한 상기 피험자의 다음 자세 정보와 힘의 세기를 예측하는 모듈일 수 있다.

상기 근육 시너지 패턴을 분석하는 단계는, 시간에 따른 상기 복수의 근전도를, 상기 과제를 실행하기 위해 함께 사용된 근육 조합을 나타내는 근육 조합 행렬과 상기 근육 조합의 시간에 따른 활성 정도를 나타내는 활성 행렬로 각각 분해하는 단계를 포함할 수 있다.

상기 근육 시너지 패턴을 선별하는 단계는, 상기 피험자가 수행한 복수의 과제들 중 상기 훈련 과제를 선별하는 단계를 더 포함할 수 있다.

상기 훈련 과제를 선별하는 단계는, 상기 피험자가 상기 복수의 과제 각각에 대한 복수의 측정 힘의 세기와 상기 복수의 과제 각각에 설정되어 있는 최종 힘의 세기 사이의 오차를 계산하는 단계, 그리고 상기 오차가 미리 설정한 문턱값을 초과하는 적어도 하나의 과제를 상기 훈련 과제로 선별하는 단계를 더 포함할 수 있다.

상기 근육 시너지 패턴을 선별하는 단계는, 상기 선별된 훈련 과제에서 가장 많이 사용된 근육 시너지 패턴을 상기 교정이 필요한 근육 시너지 패턴으로 선별하는 단계를 포함하고, 상기 교정이 필요한 근육 시너지 패턴은 교정이 필요한 근육 조합과 상기 훈련 과제를 수행하는데 상기 교정이 필요한 근육 조합이 사용된 시간별 활성도이다.

상기 교정이 필요한 근육 시너지 패턴으로 선별하는 단계 이후에, 상기 대상 근육 시너지 패턴에 대한 목표 근육 시너지 패턴을 설정하는 단계，그리고 상기 대상 근육 시너지 패턴과 상기 목표 근육 시너지 패턴 사이의 상기 중간 근육 시너지 패턴을 생성하는 단계를 생성하고, 상기 중간 근육 시너지 패턴은 내삽 계수와 교정 진도 변수를 기초로 생성할 수 있다.

상기 내삽 계수는 상기 중간 근육 시너지 패턴이 상기 대상 근육 시너지 패턴과 목표 근육 시너지 패턴 중 어느 근육 시너지 패턴에 가까울지 결정하는 계수이고, 상기 교정 진도 변수는 대상 근육 시너지 패턴에서 상기 목표 근육 시너지 패턴까지 교정을 진행할 단계를 나타내는 변수일 수 있다.

상기 본 발명의 기술적 과제를 달성하기 위한 본 발명의 또 다른 특징인 비정상 근육 시너지 패턴을 교정하는 장치로서,

피험자가 공간 상의 다양한 위치에서 다양한 과제들을 수행하는 운동 수행 장치, 상기 피험자가 상기 운동 수행 장치를 이용하여 과제들을 수행하면, 상기 과제들에 대한 복수의 근전도, 상기 과제들 각각에 대한 상기 피험자의 자세 정보, 그리고 상기 피험자가 상기 과제들을 각각 수행하기 위해 상기 운동 수행 장치에 가한 힘의 세기를 측정하는 생체 신호 측정 장치, 그리고 상기 생체 신호 측정 장치가 측정한 복수의 근전도, 자세 정보, 그리고 힘의 세기를 기초로 생체 역학 모듈을 학습하고, 상기 복수의 근전도를 이용하여 상기 작업들을 수행한 근육 시너지 패턴을 분석하며, 분석한 근육 시너지 패턴을 토대로 상기 복수의 과제들 중 선별된 훈련 과제를 위한 목표 근육 시너지 패턴으로 상기 피험자가 움직이도록 힘의 세기와 동작 궤적을 예측하여 상기 피험자에게 피드백하는 데이터 분석 장치를 포함하고, 상기 생체 역학 모듈은 상기 훈련 과제에 대한 상기 피험자의 다음 자세 정보와 힘의 세기를 예측하는 모듈이다.

상기 데이터 분석 장치는, 임의의 모델 파라미터를 생성하여 상기 모델 파라미터에 따라 상기 생체 역학 모델을 생성하고, 상기 힘의 세기와 동작 궤적으로 상기 생체 역학 모델을 학습할 수 있다.

상기 데이터 분석 장치는, 학습된 상기 생체 역학 모델이 임의의 과제에 대해 예측한 힘의 세기와 동작 궤적이, 상기 피험자가 상기 임의의 과제를 수행하여 측정된 힘의 세기와 동작 궤적의 오차를 토대로, 상기 생체 역학 모델의 예측 정확도를 확인할 수 있다.

상기 데이터 분석 장치는, 상기 복수의 근전도를 각각 상기 임의의 과제를 실행하기 위해 사용된 근육 조합의 행렬과 상기 근육 조합의 시간에 따른 활성 정도에 해당하는 활성 행렬로 분해할 수 있다.

상기 데이터 분석 장치는, 상기 피험자가 상기 복수의 과제 각각에 대한 복수의 측정 힘의 세기와 상기 복수의 과제 각각에 설정되어 있는 최종 힘의 세기 사이의 오차를 계산하고, 계산한 오차가 미리 설정한 문턱값 이하를 나타내는 적어도 하나의 과제를 상기 훈련 과제로 선별할 수 있다.

상기 데이터 분석 장치는, 상기 선별된 훈련 과제에서 가장 많이 사용된 근육 시너지 패턴을 상기 교정이 필요한 대상 근육 시너지 패턴으로 선별할 수 있다.

상기 데이터 분석 장치는, 상기 대상 근육 시너지 패턴에 대한 목표 근육 시너지 패턴을 설정하고, 상기 대상 근육 시너지 패턴과 상기 목표 근육 시너지 패턴 사이의 상기 중간 근육 시너지 패턴을 생성할 수 있다.

상기 데이터 분석 장치는, 상기 중간 근육 시너지 패턴은 내삽 계수와 교정 진도 변수를 기초로 생성하고, 상기 내삽 계수는 상기 중간 근육 시너지 패턴이 상기 대상 근육 시너지 패턴과 목표 근육 시너지 패턴 중 어느 근육 시너지 패턴에 가까울지 결정하는 계수이고, 상기 교정 진도 변수는 대상 근육 시너지 패턴에서 상기 목표 근육 시너지 패턴까지 교정을 진행할 단계를 나타내는 변수일 수 있다.

본 발명에 따르면, 피험자가 직관적으로 여러 근육의 활성을 피드백으로 받아 근육을 사용하는 패턴을 재활할 수 있으므로, 기존의 근력 및 관절 동작 범위 회복과 다른 새로운 재활 치료가 가능해진다.

또한, 기존 재활 치료 패러다임에서 정체되었던 상지 기능 회복률의 한계를 돌파할 수 있다.

도 1은 본 발명의 실시예에 따른 비정상 근육 시너지 패턴 교정 훈련 장치의 예시도이다.
도 2는 본 발명의 실시예에 따른 비정상 근육 시너지 패턴 교정 방법에 대한 흐름도이다.
도 3은 본 발명의 실시예에 따른 생체역학 모델의 학습 방법에 대한 흐름도이다.
도 4는 본 발명의 실시예에 따른 내삽 계수와 교정 진도 변수의 관계를 나타낸 예시도이다.
도 5는 본 발명의 실시예에 따라 피험자에게 제공되는 피드백 화면의 예시도이다.
도 6은 본 발명의 실시예에 따라 피험자의 동작에 따라 제공되는 시각적 피드백 화면의 예시도이다.

아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.

명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.

이하, 도면을 참조로 하여 본 발명의 실시예에 따른 비정상 근육 시너지 패턴 교정 훈련 장치 및 방법에 대해 설명한다.

도 1은 본 발명의 실시예에 따른 비정상 근육 시너지 패턴 교정 훈련 장치의 예시도이다.

도 1에 도시된 바와 같이, 비정상 근육 시너지 패턴 교정 훈련 장치(이하, 설명의 편의를 위하여 '근육 시너지 교정 훈련 장치'라 지칭함)는 크게 운동 수행 장치(100), 생체신호 측정 장치(200), 그리고 데이터 분석 장치(300)를 포함한다.

본 발명의 실시예에 따른 근육 시너지 교정 훈련 장치는 현재 피험자의 근육 시너지 패턴을 파악하기 위하여, 피험자가 다양한 조건의 훈련 실험을 수행하는 과정에서 만들어 내는 힘과 동작과 근전도를 측정한다. 그리고 근육 시너지 교정 훈련 장치는 측정한 근전도로부터 근육 시너지 패턴을 분석한다.

그리고 근육 시너지 교정 훈련 장치는, 측정한 힘, 동작, 근전도를 토대로 피험자 별 생체역학 모델을 학습하고, 앞서 분석한 근육 시너지 패턴을 교정할 수 있도록 피험자에게 목표하는 근육 시너지 패턴에 대응되는 힘의 크기, 방향, 동작 궤적을 훈련 목표로 제공한다.

운동 수행 장치(100)는 피험자가 작업을 일정하게 수행할 수 있도록 한다.

본 발명의 실시예에서는 설명의 편의를 위하여, 운동 수행 장치(100)에 피험자가 작업을 수행하기 위해 잡는 손잡이(111)와 1자유도(직선 운동)이 가능한 선형 구동기(112), 그리고 피험자가 궤적을 따라 정해진 속도로 동작을 수행할 수 있도록 제한하는 모터(113)만 포함되는 것으로 도시하였다. 그러나, 운동 수행 장치(100)에 피험자의 작업 수행을 돕는 프레임, 2절 링크, 위치 결정부, 회전 블록, 운동부 등이 더 포함될 수 있다.

생체신호 측정 장치(200)는 근전도 측정 장치(210), 힘 측정 장치(220), 그리고 동작 측정 장치(230)를 포함한다. 본 발명의 실시예에서는 힘 측정 장치(220)가 3축 힘 센서로 구현되는 것을 예로 하여 설명하나 반드시 이와 같이 한정되는 것은 아니다.

또한, 힘 센서가 피험자의 힘의 세기를 측정하는 방법은 이미 알려진 것으로 상세한 설명은 생략한다. 그리고, 본 발명의 실시예에서는 힘 측정 장치(220)가 3축 힘 센서로 구현되어, 동작 방향에 가해지는 힘의 세기뿐만 아니라 다른 방향으로 가해지는 힘의 세기(x축, y축, z축 방향의 힘의 세기)도 동시에 측정할 수 있는 것을 예로 하여 설명하나, 반드시 이와 같이 한정되는 것은 아니다.

근전도 측정 장치(210)는 작업을 수행하는 피험자의 근전도를 측정한다. 힘 측정 장치(220)는 피험자가 작업을 수행하기 위해 운동 수행 장치(100)에 구비된 손잡이(111)를 밀 때 발생하는 상지의 말단 힘의 세기를 측정한다. 그리고 동작 측정 장치(230)는 피험자가 작업을 수행하면서 사용하는 상지 관절 각도를 측정하기 위하여 작업 동작을 측정한다.

근전도 측정 장치(210)는 피험자의 피부에 부착되는 복수의 근전도 검사 센서(211, 212), 복수의 근전도 검사 센서(211, 212)들과 케이블 또는 무선 통신 방식으로 연결되어 있는 근전도 감지 단말(213)을 포함한다.

근전도 검사 센서(211, 212)는 피험자의 근육에 삽입되거나 혹은 근육 바로 위 피부에 부착되어, 피험자가 작업을 수행할 때 근육의 수축/이완에 따라 변하는 전압 신호를 센싱한다. 본 발명의 실시예에서는 근전도 검사 센서(211, 212)를 피부에 부착되는 하나의 쌍으로 구성된 전극 패치인 것으로 예를 들어 설명하며, 동일한 근육에 길이 방향으로 일정 간격 떨어져 부착되는 것을 예로 하여 설명하나 반드시 이와 같이 한정되는 것은 아니다.

그리고, 본 발명의 실시예에서는 근전도 검사 센서(211, 212)를 피험자의 상지의 복수의 근육 위치에 부착되는 것을 예로 하여 설명하나, 근육의 위치를 어느 한 곳으로 한정하지 않는다. 근전도 검사 센서(211, 212)가 근전도 신호를 수집하는 방법은 이미 알려진 사항으로 본 발명의 실시예에서는 상세한 설명을 생략한다.

근전도 검사 센서(211, 212)는 임의의 작업을 수행하는 피험자에 대해, 작업이 시작되는 시점부터 종료되는 시점까지 복수의 전극들을 근육별로 각각 수집한다.

근전도 감지 단말(213)은 복수의 근전도 검사 센서(211, 212)들이 각각 센싱한 전압 신호를 수신한다. 그리고 제1 근전도 검사 센서(211)가 센싱한 제1 전극과 제2 근전도 검사 센서(212)가 센싱한 제2 전극에 각각 대응하는 제1 전압과 제2 전압을 계산하고, 제1 전압과 제2 전압의 전압 차를 확인한다.

근전도 감지 단말(213)은 확인한 전압 차와 전극을 센싱한 시간 정보를 포함하는 근전도 신호 생성하여, 근육별로 각각 데이터 분석 장치(300)로 전달한다. 즉, 근전도 신호는 전압 차에 해당하는 전압 값과 시간 정보를 포함하며, 피험자에 부착된 근전도 검사 센서의 수만큼 생성된다.

동작 측정 장치(230)는 작업을 수행하는 피험자의 시간에 따른 자세를 인식하여, 피험자의 자세 정보를 생성한다. 여기서, 동작 측정 장치(230)는 적외선 반사 마커를 이용하는 모션 캡쳐 방식 또는, 인체를 3차원 스캐닝하여 자세를 인식하는 스캐너 방식 중 어느 하나를 이용하여 피험자가 취하는 자세의 자세 정보를 생성하는 것을 예로 하여 설명하나, 반드시 이와 같이 한정되는 것은 아니다.

데이터 분석 장치(300)는 생체신호 측정 장치(200)가 수집한 근전도를 토대로 근육 시너지를 분석한다. 그리고, 생체 신호 측정 장치(200)가 측정한 피험자 동작 및 힘 세기를 토대로 분석된 피험자 운동 능력을 참고하여, 운동 능력에 부정적 영향을 주는 근육 시너지를 이상 근육 시너지로 추출한다.

또한, 데이터 분석 장치(300)는 근전도 감지 단말(213)로부터 수신한 근전도 신호를 이용하여 생체 역학 모델을 학습한다. 여기서, 생체 역학 모델은 근전도 신호만을 입력으로 받거나, 근전도 신호와 더불어 현재 자세 값을 입력으로 받아 현재 내는 힘 또는 다음 자세 값을 계산하는 함수이다.

데이터 분석 장치(300)는 훈련 대상자인 피험자의 근육 특성을 고려하기 위해, 피험자별로 개인별 생체 역학 모델을 학습한다. 그리고, 데이터 분석 장치(300)는 학습된 생체 역학 모델의 예측 정확성을, 생체 신호 측정 장치(200)가 측정한 힘, 동작 데이터와 생체 역학 모델이 예측한 힘, 동작 데이터 사이의 오차를 통해 판단한다.

그리고, 데이터 분석 장치(300)는 근전도 데이터를 기초로, 피험자가 다양한 훈련 과제를 수행하는 동안에 사용된 근육 시너지 패턴을 분석한다. 또한, 데이터 분석 장치(300)는 피험자가 수행해야 할 적어도 하나의 훈련 과제를 선별한다. 또한, 데이터 분석 장치(300)는 피험자가 훈련 과제를 수행하는 동안 만들어낸 3차원 힘의 크기에 따라 움직이는 커서로 보여주거나, 현재 동작과 목표 동작을 동시에 표시하여 제공한다.

이상에서 설명한 비정상 근육 시너지 패턴 교정 훈련 장치를 이용하여 피험자의 비정상 근육 시너지 패턴을 교정하는 방법에 대해, 도 2 이후를 참조로 설명한다.

도 2는 본 발명의 실시예에 따른 비정상 근육 시너지 패턴 교정 방법에 대한 흐름도이다.

도 2에 도시된 바와 같이, 피험자의 현재 근육 시너지 패턴을 파악하기 위하여, 비정상 근육 시너지 패턴 교정 훈련 장치의 근전도 측정 장치(210), 힘 측정 장치(220), 그리고 동작 측정 장치(230)는 피험자가 다양한 조건의 훈련 과제를 수행하면서 만들어내는 힘, 동작 그리고 근전도를 측정한다(S100).

즉, 피험자의 신체에 부착되는 근전도 측정 장치(210)의 일단에 복수의 근전도 검사 센서(211, 212)들이 각각 연결되어 있어, 피험자가 훈련 과제를 수행할 때 이용하는 근육으로부터 근육 활성에 따른 전기 신호를 측정한다. 그리고, 피험자가 훈련 과제를 수행할 때 내는 힘을 힘 측정 장치(220)가 측정한다. 또한, 동작 측정 장치(230)는 적외선 반사 마커를 이용하는 모션 캡쳐 방식 또는 인체를 3차원 스캐닝하여 자세를 인식하는 스캐너 방식 중 어느 하나를 이용하여, 훈련 과제를 수행하는 피험자의 동작을 측정한다.

이때, 근전도 측정 장치(210), 힘 측정 장치(220), 그리고 동작 측정 장치(230)가 훈련 과제를 수행하고 있는 피험자의 힘, 근전도, 동작을 측정하는 방법은 다양하게 실행할 수 있으므로, 본 발명의 실시예에서는 어느 하나의 방법으로 한정하지 않는다. 여기서, 훈련 과제는 다양한 상황에서 근육이 사용되는 방식을 골고루 측정할 수 있도록, 피험자가 3차원 공간에서 다양한 방향으로 힘을 내거나, 다양한 방향으로 팔을 뻗도록 구성될 수 있다.

데이터 분석 장치(300)는 S100 단계에서 수집된 피험자의 근전도 신호, 힘의 세기, 현재 자세 정보 중 힘의 세기와 근전도 신호를 이용하여 생체역학 모델을 학습한다(S200).

생체역학 모델은 근전도 신호만을 입력으로 받거나, 근전도 신호와 더불어 현재 자세 정보를 입력으로 받아, 현재 내는 힘 또는 다음 자세 정보를 계산하는 함수이다. 피험자별로 근육의 특성(근육이 낼 수 있는 최대 힘, 근육의 배치 등)이 달라서, 근전도 신호가 같아도 대상자에 따라 내는 힘 또는 동작이 다를 수 있다.

따라서 피험자의 근육 특성을 고려하기 위해, 피험자별로 S100 단계에서 측정한 근전도 신호, 힘의 세기 및 현재 자세 정보를 이용하여 개인별 생체역학 모델을 학습한다. 학습된 생체역학 모델의 예측 정확성은 측정된 힘의 세기 또는 다음 자세 정보와 생체역학 모델이 예측한 힘의 세기 또는 다음 자세 정보 사이의 오차를 통해 판단할 수 있다. 본 발명의 실시예에서는 설명의 편의를 위해 예측한 힘의 세기와 측정한 힘의 세기의 오차를 통해 학습된 생체역학 모델의 예측 정확성을 판단하는 것을 예로 하여 설명하나, 반드시 이와 같이 한정되는 것은 아니다.

데이터 분석 장치(300)가 생체역학 모델을 학습한 뒤에, S100 단계에서 측정한 피험자의 근전도 신호를 토대로, 다양한 훈련 과제를 수행하는 동안에 사용되는 피험자의 근육 시너지 패턴을 분석한다(S300). 본 발명의 실시예에서는 다음 수학식 1을 이용하여 근육 시너지 패턴을 분석하는 것을 예로 하여 설명한다.

데이터 분석 장치(300)는 시간에 따른 근전도 신호(V)에 음수 미포함 행렬 분해(Non-negative matrix factorization) 기법을 적용하여, 함께 사용되는 근육 조합을 나타내는 근육 조합 행렬 W와 각 근육 조합의 시간에 따른 활성 정도를 나타내는 근육 조합 활성 정도 행렬 C로 분해한다.

근육 조합 행렬 W는 근전도를 측정한 근육 수의 행을 가지며, 임의로 정한 근육 조합의 수에 해당하는 열을 갖는다. 따라서 각 열은 각 근육 조합을 구성하는 근육들의 비중 값을 의미한다.

근육 조합 활성 정도 행렬 C는 근육 조합의 수만큼의 행과, 시간에 따라 근전도를 측정한 횟수에 해당하는 열을 가진다. 따라서 근육 조합 활성 정도 행렬의 각 행은 매 순간 각 근육 조합이 얼마나 쓰였는지를 의미한다. 두 행렬을 곱하여 근전도 신호를 재구성할 수 있다.

수학식 1에서 E는 측정된 근전도 신호(V)와, 근육 조합 행렬과 근육 조합 활성 정도 행렬을 이용하여 재구성한 근전도 신호(V' = W * C) 사이의 오차를 의미한다.

원래의 근전도 신호가 임의의 개수의 근육 조합으로 구성되어 있다고 가정하고, 음수 미포함 행렬 분해를 통해 데이터 분석 장치(300)는 원래의 근전도 신호가 변화하는 경향을 최대한 표현하도록 앞서 정한 수만큼의 근육의 조합을 찾아낸다.

더 적은 근육 조합의 수를 가정할 수록 적은 수의 근육 시너지 패턴으로 여러 상황에서 측정된 근전도 신호의 변화를 설명해야 하기 때문에, 데이터 분석 장치(300)는 어떤 근육들이 다양한 상황에서 보편적으로 조합되어 사용되는지 파악할 수 있다.

하지만, 너무 적은 수의 근육 시너지 패턴으로는 원래의 근전도 신호가 변화하는 다양한 경향을 충분히 설명하지 못할 수 있다. 반대로, 너무 많은 수의 근육 조합을 가정하는 경우 원래의 근전도 신호의 다양한 경향을 설명할 수 있지만, 음수 미포함 행렬 분해로 찾아낸 각각의 근육 시너지 패턴이 특정 운동 상황에서 측정된 근전도 신호의 경향을 설명하는데 특화되기 때문에, 보편적으로 사용되는 근육의 조합을 파악하기 어렵다.

따라서, 데이터 분석 장치(300)가 음수 미포함 행렬 분해를 통해 근육 시너지를 분석할 때에는, 근육 조합의 수를 늘려가면서 근육 시너지 분석을 반복적으로 수행한다. 이를 통해 오차의 총 분산이 원래 근전도 신호의 총 분산의 일정 비율 이하가 되는 가장 적은 근육 조합의 수를 찾고, 찾은 근육 조합의 수만큼의 근육 시너지 패턴을 찾아낸다. 본 발명의 실시예에서는 통상적인 방법에 따라 오차의 총 분산이 원래 근전도 신호의 총 분산의 10% 이하가 될 때를 기준으로 삼으며, 원래의 근전도 신호를 충분히 설명할 수 있다고 간주한다.

따라서 본 발명의 실시예에서는 위의 방법에 따라 음수 미포함 행렬 분해 분석을 수행하여 오차 E의 값이 충분히 작다고 가정하였으며, 오차 E는 무시하고, W * C을 통해 근전도를 재구성한다.

데이터 분석 장치(300)는 S300 단계에서 근전도 신호를 토대로 근육 시너지 패턴을 분석한 후, 피험자에 대한 훈련 과제를 선별한다(S400). 데이터 분석 장치(300)는 S100 단계에서 피험자에 대한 근전도 신호, 힘의 세기, 동작 정보를 측정한 다양한 과제 중, 수행 정도가 미리 설정한 기준에 미달하는 과제를 훈련 과제로 선별한다.

데이터 분석 장치(300)가 복수의 과제 중 훈련 과제로 선별하기 위해 과제의 수행 정도를 판별하는 기준으로 다음 수학식 2와 수학식 3을 이용한다.

수학식 2에서 훈련 과제에 대한

는 목표 힘의 세기를 의미하고,

는 피험자가 훈련 과제를 수행하였을 때의 최종 힘의 세기를 의미한다. 두 힘의 세기를 이용하기 위해, 데이터 분석 장치(300)는 모든 훈련 과제들에 대한 기준 근전도 신호, 기준 힘의 세기 정보, 기준 동작 정보를 저장, 관리하고 있다. 이때, 기준 근전도 신호, 기준 힘의 세기 정보, 기준 동작 정보는 운동 능력이 정상 범주에 해당하는 사람들로부터 수집하는 것을 예로 하여 설명하나, 반드시 이와 같이 한정되는 것은 아니다.

데이터 분석 장치(300)는 먼저 수학식 2를 이용하여 목표 힘의 세기와 최종 힘의 세기의 오차 즉, 힘 세기 오차(E₁)를 계산한다. 그리고 계산한 힘 세기 오차(E₁)가 미리 설정한 힘 세기 문턱값을 넘는지 비교함으로써 훈련 과제를 선별한다.

또는, 데이터 분석 장치(300)는 다음 수학식 3을 이용하여 훈련 과제를 선별할 수도 있다.

여기서,

는 목표로 하는 동작 궤적을 의미하고,

는 해당 동작을 수행한 피험자의 실제 동작 궤적을 의미한다.

데이터 분석 장치(300)는 수학식 3을 이용하여, 목표로 하는 동작 궤적과 실제로 피험자가 수행한 동작 궤적 간의 누적 오차인 동작 궤적 오차(E₂)를 계산한다. 그리고 계산한 동작 궤적 오차(E₂)가 미리 설정한 동작 궤적 문턱값을 넘는지 판단한다.

본 발명의 실시예에서는 기준 값과 문턱값을 목표 힘의 세기와 힘 세기 문턱값, 또는 목표 동작 궤적과 동작 궤적 문턱값을 예로 하여 설명하나, 힘의 세기와 동작 정보를 기초로 다양하게 정의하여 사용할 수 있다.

데이터 분석 장치(300)는 S400 단계를 통해 피험자의 훈련 과제를 선별한 후, S300 단계에서 계산한 근육 시너지 패턴 분석 결과를 바탕으로 S400에서 선별한 훈련 과제별로 피험자에 의해 어떤 근육 시너지 패턴이 가장 많이 사용되었는지 선별한다. 데이터 분석 장치(300)에서 선별된 근육 시너지 패턴은 교정이 필요한 근육 시너지 패턴(W₁, C₁)으로 간주한다.

여기서, W₁은 교정이 필요한 근육 조합을 의미하고, C₁은 해당 근육 조합이 훈련 과제를 수행하는 데 얼마나 사용되었는지를 나타내는 시간별 활성 정도를 의미한다.

데이터 분석 장치(300)는 교정이 필요한 근육 시너지(W₁, C₁)에 대하여 교정을 통해 도달하고자 하는 목표 근육 시너지 패턴(W₂, C₂)을 설정한다(S500). 구체적으로는 정상인의 근육 시너지 패턴 중 근육 구성이 가장 유사한 근육 시너지 패턴의 형태를 목표 근육 시너지 패턴으로 정하는 것을 예로 하여 설명하나, 반드시 이와 같이 한정되는 것은 아니다.

따라서, W₂은 교정이 필요한 근육 조합(W₁)에 대응되는 목표 정상인의 근육 조합을 의미한다. 그리고, C₂은 정상인이 S400에서 선별된 훈련 과제를 수행하는 동안 근육 조합(W₂)을 얼마나 사용하였는지를 나타내는 시간별 활성 정도를 의미한다.

S500 단계를 토대로 목표 시너지 패턴을 설정한 후, 데이터 분석 장치(300)는 근육 시너지 패턴이 교정되는 수준별 근전도를 예측한다(S600). 즉, 데이터 분석 장치(300)는 교정이 필요한 근육 시너지 패턴(W₁, C₁)과 목표 근육 시너지 패턴(W₂, C₂)의 사이에서, 근육 시너지 패턴이 교정되는 정도(X)에 따라 나타날 것으로 예상되는 다양한 중간 형태의 시너지 패턴(W_train, C_train)을 생성한다. 중간 형태의 시너지 패턴을 생성하기 위해 데이터 분석 장치(300)는 다음 수학식 4를 이용한다.

수학식 4에 따라 교정이 필요한 근육 시너지 패턴과 목표 근육 시너지 패턴을 내삽(interpolation)하여 중간 형태의 시너지 패턴을 얻는다.

내삽 계수(Y)는, 중간 형태의 시너지 패턴(W_train, C_train)이 두 시너지 패턴((W₁, C₁)과 (W₂, C₂)) 중 어느 것에 더 가까울지를 결정하는데 사용된다. 내삽 계수(Y)는 0~1의 범위를 갖는 실수이다.

내삽 계수(Y)의 값을 바꿈으로써, 데이터 분석 장치(300)는 현재 시너지 패턴에 가까운 패턴(이하, '제1 패턴’이라 지칭함)과 최종 시너지 패턴에 가까운 패턴(이하, ‘제2 패턴’이라 지칭함)을 모두 생성할 수 있다.

여기서, 내삽 계수(Y)는 근육 시너지 패턴이 얼마나 교정되었는지를 의미하는 교정 진도 변수(X)에 의해 결정되며, 교정 진도 변수 X는 0과 1 사이의 범위에서 0, 1/N, 2/N, ..., (N-1)/N, 1의 값을 갖는다. 그리고 교정 단계 변수 N은 근육 시너지 패턴의 교정을 몇 개의 단계로 나눠 진행할지에 대한 변수를 의미한다.

데이터 분석 장치(300)는 수준별 근전도를 예측한 후, 교정하고자 하는 근육 시너지 패턴이 중간 형태의 근육 시너지 패턴으로 바뀌었을 때(W₁→W_train), 피험자가 다양한 훈련 동작을 수행함으로써 발생될 것으로 예측되는 예측 근전도 패턴(Ｖ″)을 재구성한다.

예측 근전도 패턴(Ｖ″)은 다음 수학식 5와 같이 표현된다.

피험자는 교정하고자 하는 시너지 패턴과 목표 패턴과의 차이가 클수록 더 많은 단계로 나누어 재활을 수행해야 한다. 이는 피험자가 한 번에 교정해야 할 근육 시너지 패턴의 차이가 너무 크지 않게 제한하여 점진적으로 재활하기 위함이다. 데이터 분석 장치(300)는 교정 단계 변수 N의 값을 결정함에 있어, N의 값을 1부터 차례로 늘려가면서 (N+1)개의 중간 형태의 근육 시너지 패턴을 계산한다.

그리고, 인접한 근육 시너지 패턴의 근육 조합 간의 차이의 크기가 미리 설정한 문턱값 보다 커지지 않는 최소의 N 값을 사용한다. 즉, 교정 진도 변수가 각각 X=k/N일 때와 X=(k+1)/N일 때 계산된 근육 시너지 패턴의 차이가 미리 설정한 문턱값보다 커지지 않도록 하는 값을 교정 단계 변수 N으로 결정한다.

데이터 분석 장치(300)는 S600 단계를 통해 수준별 근전도를 예측한 후, 임의의 교정 진도(X)만큼 교정이 되었을 때 예상되는 근전도 패턴(V″(X))에 대응되는 힘의 세기 또는 동작 궤적을 예측한다(S700). 이때 데이터 분석 장치(300)는 S200 단계에서 학습했던 개인별 생체역학 모델에, 수학식 4를 통해 계산한 근전도 패턴을 입력으로 제공하여, 예상되는 동작 및 힘 패턴을 도출한다.

만약 피험자가 근육 시너지를 진단하고 나서 처음 재활을 시작한다면, 가장 낮은 교정 진도 (X=1/N)에 해당되는 근전도 패턴을 사용한다.

데이터 분석 장치(300)는 S700 단계에서 예측한 힘의 세기 또는 동작 궤적을 피험자에게 피드백으로 제공한다(S800). 이를 통해 피험자가 힘의 세기 또는 동작 궤적을 목표 힘의 세기와 목표 궤적에 맞춰가며 재활 훈련을 수행할 수 있도록 한다.

데이터 분석 장치(300)는 피험자가 재활 훈련을 수행하면서 힘의 세기 또는 동작 궤적의 추종 오차가 미리 설정한 문턱값보다 낮은지 확인하면서, 목표 시너지 패턴에 도달하였는지 확인한다(S900). 만약 목표 시너지 패턴에 도달하지 않았다면, 근육 시너지 패턴이 교정은 되었으나 아직 재활 훈련이 완료되지 않은 것으로 간주한다. 따라서, S700 단계로 돌아가서 한 단계 높은 교정 진도(X=k/N→X=(k+1)/N)에 해당되는 근전도 패턴과 그에 대응되는 목표 힘의 세기 또는 동작 궤적을 예측하고, 예측된 힘 또는 동작 궤적을 피드백으로 제공하여 재활 훈련을 받는 과정을 반복한다.

그러나, 목표 시너지 패턴인 교정 진도 변수가 1에 도달하였다면, 데이터 분석 장치(300)는 피험자에 대한 훈련이 종료되었음을 알린다(S1000).

이상에서 설명한 절차를 통해 피험자의 재활 훈련이 이루어지는 과정에서, 데이터 분석 장치(300)가 S200 단계에서 생체역학 모델을 학습하는 방법에 대해 도 3을 참조로 설명한다.

도 3은 본 발명의 실시예에 따른 생체역학 모델의 학습 방법에 대한 흐름도이다.

도 3에 도시된 바와 같이, 데이터 분석 장치(300)는 임의의 모델 파라미터를 생성한 후(S201), 생성한 모델 파라미터에 따라 기준 함수에 해당하는 생체 역학 모델을 생성한다(S202). 여기서, 임의의 모델 파라미터를 어느 하나의 파라미터 변수로 한정하지 않는다. 또한, 모델 파라미터에 따라 생체 학습 모델을 생성하는 방법은 다양한 방법으로 실행할 수 있으므로, 본 발명의 실시예에서는 어느 하나의 방법으로 한정하지 않는다.

데이터 분석 장치(300)는 S202 단계에서 생성한 생체 역학 모델에 근전도 데이터와 동작 데이터를 입력으로 하여, 힘의 세기 변화를 예측한다(S203). 본 발명의 실시예에서는 생체역학 모델이 힘의 세기 변화를 예측하는 것을 예로 하여 설명하나, 힘의 세기 변화와 자세 정보의 변화를 예측할 수도 있다. 여기서, 자세 정보라 함은 피험자가 해당 훈련을 수행할 때의 각 관절의 각도를 의미한다.

데이터 분석 장치(300)는 예측한 힘의 세기와 실제 피험자가 훈련을 수행하여 획득한 측정된 힘의 세기의 차이인 예측 오차가 미리 설정한 기준 값보다 작은지 확인한다(S205). 만약 예측 오차가 기준 값보다 작으면, 데이터 분석 장치(300)는 생체역학 모델의 기계 학습을 종료한다(S206).

그러나, 기준 값보다 크면, 데이터 분석 장치(300)는 모델 파라미터를 수정하고(S207), S202 단계 이후의 절차를 반복 수행한다. 모델 파라미터를 수정하는 방법으로는 예측 오차와 모델 파라미터 간의 기울기를 계산하여 오차가 줄어드는 방향으로 모델 파라미터의 값을 증가 혹은 감소 시키는 경사 하강법(Gradient Descent Method)을 적용할 수 있다.

한편, 상기 도 2의 S600 단계에서 근육 시너지 패턴이 교정되는 수준별 근전도 예측 단계에서, 내삽 계수와 교정 진도 변수의 관계에 대해 도 4를 참조로 설명한다.

도 4는 본 발명의 실시예에 따른 내삽 계수와 교정 진도 변수의 관계를 나타낸 예시도이다.

도 4의 (a)는 내삽 계수와 교정 진도 변수가 선형 함수(Y = X)의 형태를 나타내는 예이고, 도 4의 (b)는 내삽 계수와 교정 진도 변수가 비선형 함수(Y = f(X))의 형태를 나타내는 예에 대한 것이다.

총 0부터 1까지 (N+1)개의 교정 진도 변수 X와 (N+1)개의 내삽 계수 Y는 일대일로 대응되며, 대응 함수는 X=0일 때 Y=0, X=1일 때 Y=1을 만족하여야 한다.

즉, X축의 교정 진도 변수는 S400 단계에서 선별한 훈련 과제에 대한 피험자의 현재 상태인 X=0에서 목표하는 교정 정도가 완성된 X=1 까지를 N개의 단계로 나누어 표시하는 부분이다.

그리고 Y축의 내삽 계수는 선별한 훈련 과제에 대한 교정 훈련 시, 피험자가 목표로 삼고자 하는 중간 형태의 시너지 패턴(W_train, C_train)을 현재 피험자가 이용하는 교정하고자 하는 근육 시너지 패턴(W1, C1)과 정상적인 근육 시너지 패턴(W2, C2) 중 어느 쪽에 더 가깝게 구성할 지를 의미하는 변수이다.

내삽 계수(Y(X))가 0에 가까울 수록 수학식 4에 따라 계산되는 (W_train, C_train)은 (W1, C1)과 비슷하며, 내삽 계수가 1에 가까울수록 (W_train, C_train)은 (W2, C2)에 가까워진다. 데이터 분석 장치(300)는 도 4의 (a) 또는 (b)와 같이 교정 진도 변수(X)가 증가함에 따라 내삽 계수(Y)가 증가하는 비율을 변화시켜, 근육 시너지의 교정 진도에 따라 피험자가 한 번에 얼만큼의 시너지 변화를 만들어내도록 훈련할 것인지를 조절한다.

도 4의 (a)에서 표현하고 있는 선형 함수에 비해 (b)에서 표현하고 있는 비선형 함수는, 피험자가 시너지 교정을 시작한지 얼마 되지 않은 초기(교정 진도 변수, X가 0에 가까울 때)에는 내삽 계수(Y)가 천천히 증가한다. 그리고, 피험자가 시너지 교정을 진행해 나갈수록 즉, 교정 진도 변수가 1에 다가갈수록 내삽 계수(Y)의 증가 속도가 커지게 된다.

이는 물리적으로, 피험자가 교정 훈련 초기 단계에서는 한번에 교정해야 하는 시너지의 변화가 작지만, 훈련이 거듭될 수록 한번에 교정해야 하는 시너지의 변화가 커지도록 훈련이 구성됨을 의미한다. 피험자에 따라 훈련의 속도를 조절하기 위한 기능이다.

데이터 분석 장치(300)는 도 4의 (a) 또는 (b) 중 어떤 형태의 함수를 이용하여 피험자가 훈련하도록 제공할 수 있다.

다음, 데이터 분석 장치(300)를 통해 피험자에게 제공되는 피드백 화면의 예에 대해 도 5 및 도 6을 참조로 설명한다.

도 5는 본 발명의 실시예에 따라 피험자에게 제공되는 피드백 화면의 예시도이고, 도 6은 본 발명의 실시예에 따라 피험자의 동작에 따라 제공되는 시각적 피드백 화면의 예시도이다.

데이터 분석 장치(300)는 도 5에 도시된 바와 같이 3차원(전/후, 좌/우, 상/하) 힘의 크기에 따라 움직이는 커서를 보여주어, 피험자가 커서를 보면서 훈련을 할 수 있게 할 수 있다.

예를 들어, 시각적 피드백 화면(400)을 통해, 피험자는 현재 피험자의 동작에 따른 힘의 세기를 나타내는 커서의 위치(410)를 확인할 수 있다. 그리고, 피험자가 훈련 동작을 수행할 때 내야 할 힘의 세기를 목표점(420)으로 보여준다.

데이터 분석 장치(300)는 목표점(420)까지 피험자가 힘의 세기를 내기 위해서 어떤 궤적으로 상지를 움직여야 하는지 궤적(430)을 제공함으로써, 해당 훈련 과제를 정상적으로 수행하는 동작을 반복적으로 훈련할 수 있도록 제공한다.

또는 도 6에 도시된 바와 같이 데이터 분석 장치(300)는 현재 피험자의 동작과 목표 동작을 동시에 표시하는 방식을 사용하여 피드백을 할 수 있다.

도 6에 도시된 원점(500)은 피험자의 어깨에 해당하고, 제1 관절 위치(510)는 팔꿈치의 위치, 그리고 제2 관절 위치(520)는 손목의 위치에 해당한다. 제1 관절 위치(510)와 제2 관절 위치(520)는 현재 피험자의 상태에 해당한다.

피험자가 특정 훈련 과제를 수행하기 위해서는 제1 관절 위치가 제1 목표점(530)으로, 제2 관절 위치가 제2 목표점(540)까지 올라가야 한다고 가정하면, 데이터 분석 장치(300)는 제1 목표점(530)과 제2 목표점(540)을 화면에 디스플레이 한다. 동시에, 피험자가 제1 관절과 제2 관절의 위치를 제1 목표점(530)과 제2 목표점(540)까지 위치시키기 위해서는 어떤 동작 궤적으로 움직여야 하는지 궤적(550)을 함께 제공한다.

시각적 피드백 외에도, 데이터 분석 장치(300)는 특정 근육의 힘을 더 내도록 유도하거나, 특정 관절의 동작을 더 만들어내도록 유도하기 위해 지령을 들려주는 음성 피드백을 제공할 수 있다. 또는 데이터 분석 장치(300)는 해당 근육 또는 해당 관절 위치에 부착된 진동 모터를 이용하여 진동 피드백을 제공할 수도 있다.

이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.

Claims (18)

1. 비정상 근육 시너지 패턴 훈련 교정 장치가 피험자의 비정상 근육 시너지 패턴을 교정하는 방법으로서,
   과제를 수행한 피험자의 복수의 근전도와 힘의 세기를 측정하고, 상기 피험자의 자세 정보를 인식하는 단계,
   상기 과제를 수행하는 동안 사용된 근육 시너지 패턴을 분석하는 단계,
   상기 근육 시너지 패턴을 기초로 선별된 상기 피험자의 훈련 과제로부터 교정이 필요한 대상 근육 시너지 패턴을 선별하는 단계,
   상기 대상 근육 시너지 패턴으로부터 생성된 중간 근육 시너지 패턴의 근전도 패턴을 재인식하는 단계, 그리고
   상기 재인식한 근전도 패턴의 힘의 세기를 예측하고, 상기 예측한 힘의 세기를 상기 피험자에게 피드백으로 제공하는 단계
   를 포함하는 비정상 근육 시너지 패턴 교정 방법.
2. 제1항에 있어서,
   상기 근육 시너지 패턴을 분석하는 단계는,
   상기 복수의 근전도를 이용하여 생체 역학 모델을 학습하는 단계
   를 더 포함하는 비정상 근육 시너지 패턴 교정 방법.
3. 제2항에 있어서,
   상기 생체 역학 모델을 학습하는 단계는,
   임의의 모델 파라미터를 생성하고, 상기 모델 파라미터에 따라 상기 생체 역학 모델을 생성하는 단계,
   상기 복수의 근전도를 이용하여 힘의 세기 변화를 예측하는 단계,
   상기 예측한 예측 힘의 세기와 상기 피험자가 상기 과제를 수행하여 측정한 측정 힘의 세기의 오차를 계산하는 단계, 그리고
   상기 계산한 오차가 미리 설정한 기준값 이하이면, 상기 생체 역학 모델의 학습을 종료하는 단계
   를 포함하는 비정상 근육 시너지 패턴 교정 방법.
4. 제3항에 있어서,
   상기 생체 역학 모델은,
   상기 훈련 과제에 대한 상기 피험자의 다음 자세 정보와 힘의 세기를 예측하는 모델인 비정상 근육 시너지 패턴 교정 방법.
5. 제4항에 있어서,
   상기 근육 시너지 패턴을 분석하는 단계는,
   시간에 따른 상기 복수의 근전도를, 상기 과제를 실행하기 위해 함께 사용된 근육 조합을 나타내는 근육 조합 행렬과 상기 근육 조합의 시간에 따른 활성 정도를 나타내는 활성 행렬로 각각 분해하는 단계
   를 포함하는 비정상 근육 시너지 패턴 교정 방법.
6. 제5항에 있어서,
   상기 근육 시너지 패턴을 선별하는 단계는,
   상기 피험자가 수행한 복수의 과제들 중 상기 훈련 과제를 선별하는 단계
   를 더 포함하는 비정상 근육 시너지 패턴 교정 방법.
7. 제6항에 있어서,
   상기 훈련 과제를 선별하는 단계는,
   상기 피험자가 상기 복수의 과제 각각에 대한 복수의 측정 힘의 세기와 상기 복수의 과제 각각에 설정되어 있는 최종 힘의 세기 사이의 오차를 계산하는 단계, 그리고
   상기 오차가 미리 설정한 문턱값을 초과하는 적어도 하나의 과제를 상기 훈련 과제로 선별하는 단계
   를 더 포함하는 비정상 근육 시너지 패턴 교정 방법.
8. 제6항에 있어서,
   상기 근육 시너지 패턴을 선별하는 단계는,
   상기 선별된 훈련 과제에서 가장 많이 사용된 근육 시너지 패턴을 상기 교정이 필요한 근육 시너지 패턴으로 선별하는 단계
   를 포함하고,
   상기 교정이 필요한 근육 시너지 패턴은 교정이 필요한 근육 조합과 상기 훈련 과제를 수행하는데 상기 교정이 필요한 근육 조합이 사용된 시간별 활성도인 비정상 근육 시너지 패턴 교정 방법.
9. 제8항에 있어서,
   상기 교정이 필요한 근육 시너지 패턴으로 선별하는 단계 이후에,
   상기 대상 근육 시너지 패턴에 대한 목표 근육 시너지 패턴을 설정하는 단계，그리고
   상기 대상 근육 시너지 패턴과 상기 목표 근육 시너지 패턴 사이의 상기 중간 근육 시너지 패턴을 생성하는 단계
   를 생성하고,
   상기 중간 근육 시너지 패턴은 내삽 계수와 교정 진도 변수를 기초로 생성하는 비정상 근육 시너지 패턴 교정 방법.
10. 제9항에 있어서,
    상기 내삽 계수는 상기 중간 근육 시너지 패턴이 상기 대상 근육 시너지 패턴과 목표 근육 시너지 패턴 중 어느 근육 시너지 패턴에 가까울지 결정하는 계수이고,
    상기 교정 진도 변수는 대상 근육 시너지 패턴에서 상기 목표 근육 시너지 패턴까지 교정을 진행할 단계를 나타내는 변수인 비정상 근육 시너지 패턴 교정 방법.
11. 비정상 근육 시너지 패턴을 교정하는 장치로서,
    피험자가 공간 상의 다양한 위치에서 다양한 과제들을 수행하는 운동 수행 장치,
    상기 피험자가 상기 운동 수행 장치를 이용하여 과제들을 수행하면, 상기 과제들에 대한 복수의 근전도, 상기 과제들 각각에 대한 상기 피험자의 자세 정보, 그리고 상기 피험자가 상기 과제들을 각각 수행하기 위해 상기 운동 수행 장치에 가한 힘의 세기를 측정하는 생체 신호 측정 장치, 그리고
    상기 생체 신호 측정 장치가 측정한 복수의 근전도, 자세 정보, 그리고 힘의 세기를 기초로 생체 역학 모델을 학습하고, 상기 복수의 근전도를 이용하여 상기 과제들을 수행한 근육 시너지 패턴을 분석하며, 분석한 근육 시너지 패턴을 토대로 상기 복수의 과제들 중 선별된 훈련 과제를 위한 목표 근육 시너지 패턴으로 상기 피험자가 움직이도록 힘의 세기와 동작 궤적을 예측하여 상기 피험자에게 피드백하는 데이터 분석 장치
    를 포함하고,
    상기 생체 역학 모델은 상기 훈련 과제에 대한 상기 피험자의 다음 자세 정보와 힘의 세기를 예측하는 모델인 비정상 근육 시너지 측정 시스템.
12. 제11항에 있어서,
    상기 데이터 분석 장치는,
    임의의 모델 파라미터를 생성하여 상기 모델 파라미터에 따라 상기 생체 역학 모델을 생성하고, 상기 힘의 세기와 동작 궤적으로 상기 생체 역학 모델을 학습하는 비정상 근육 시너지 측정 시스템.
13. 제12항에 있어서,
    상기 데이터 분석 장치는,
    학습된 상기 생체 역학 모델이 임의의 과제에 대해 예측한 힘의 세기와 동작 궤적이, 상기 피험자가 상기 임의의 과제를 수행하여 측정된 힘의 세기와 동작 궤적의 오차를 토대로, 상기 생체 역학 모델의 예측 정확도를 확인하는 비정상 근육 시너지 측정 시스템.
14. 제13항에 있어서,
    상기 데이터 분석 장치는,
    상기 복수의 근전도를 각각 상기 임의의 과제를 실행하기 위해 사용된 근육 조합의 행렬과 상기 근육 조합의 시간에 따른 활성 정도에 해당하는 활성 행렬로 분해하는 비정상 근육 시너지 측정 시스템.
15. 제14항에 있어서,
    상기 데이터 분석 장치는,
    상기 피험자가 상기 복수의 과제 각각에 대한 복수의 측정 힘의 세기와 상기 복수의 과제 각각에 설정되어 있는 최종 힘의 세기 사이의 오차를 계산하고, 계산한 오차가 미리 설정한 문턱값을 초과하는 적어도 하나의 과제를 상기 훈련 과제로 선별하는 비정상 근육 시너지 측정 시스템.
16. 제15항에 있어서,
    상기 데이터 분석 장치는,
    상기 선별된 훈련 과제에서 가장 많이 사용된 근육 시너지 패턴을 상기 교정이 필요한 대상 근육 시너지 패턴으로 선별하는 비정상 근육 시너지 측정 시스템.
17. 제16항에 있어서,
    상기 데이터 분석 장치는,
    상기 대상 근육 시너지 패턴에 대한 목표 근육 시너지 패턴을 설정하고, 상기 대상 근육 시너지 패턴과 상기 목표 근육 시너지 패턴 사이의 중간 근육 시너지 패턴을 생성하는 비정상 근육 시너지 측정 시스템.
18. 제17항에 있어서,
    상기 데이터 분석 장치는,
    상기 중간 근육 시너지 패턴은 내삽 계수와 교정 진도 변수를 기초로 생성하고,
    상기 내삽 계수는 상기 중간 근육 시너지 패턴이 상기 대상 근육 시너지 패턴과 목표 근육 시너지 패턴 중 어느 근육 시너지 패턴에 가까울지 결정하는 계수이고,
    상기 교정 진도 변수는 대상 근육 시너지 패턴에서 상기 목표 근육 시너지 패턴까지 교정을 진행할 단계를 나타내는 변수인, 비정상 근육 시너지 측정 시스템.

Images