KR102525715B1

KR102525715B1 - 재활 로봇을 이용한 재활 훈련 방법 및 시스템

Info

Publication number: KR102525715B1
Application number: KR1020200157985A
Authority: KR
Inventors: 송원경; 신준호; 권순철; 서영식; 이은경
Original assignee: 대한민국
Priority date: 2020-11-23
Filing date: 2020-11-23
Publication date: 2023-04-28
Also published as: KR20220072026A

Abstract

본 발명은 재활 훈련 시스템 및 방법에 관한 것으로, 본 발명에 따른 시스템은 재활 로봇 장치를 이용하여 재활 훈련하고 있는 환자의 생체 신호 데이터와 동작 데이터를 감지하는 센싱부, 센싱부에서 감지된 생체 신호 데이터와 동작 데이터를 입력받아, 미리 훈련된 분류 알고리즘을 이용하여 환자의 재활 훈련 상태 및 동작을 분류하는 분류부, 그리고 환자의 재활 훈련 상태 및 동작을 분류한 결과에 기초하여 코칭을 제공하는 코칭부를 포함한다. 분류 알고리즘은, 재활 로봇 장치를 이용한 재활 훈련 과정에서 수집된 훈련자 생체 신호 데이터, 훈련자 동작 데이터 및 훈련자에 대한 치료사의 코칭 정보를 포함하는 학습 데이터를 이용하여 훈련될 수 있다. 본 발명에 의하면 로봇 파라미터 데이터와 환자의 생체 신호 및 동작 데이터를 기반으로 환자에게 적합한 로봇 파라미터를 제공 가능하고 또한 환자의 자세를 교정 가능함으로써, 물리 치료사의 부담을 줄이면서 환자 생체 신호 및 동작 데이터를 모니터링하기 때문에 안전한 재활 훈련이 가능한 장점이 있다.

Description

재활 로봇을 이용한 재활 훈련 방법 및 시스템{Rehabilitation Training Method and System Using Rehabilitation Robot}

본 발명은 재활 로봇을 이용한 재활 훈련 방법 및 시스템에 관한 것으로, 인공지능 기반으로 로봇 파라미터 및 환자 재활 훈련 동작 코칭을 제안하여 물리 치료사와 협동 작업이 가능한 재활 로봇을 이용한 재활 훈련 방법 및 시스템에 관한 것이다.

다양한 하지 재활 로봇의 보급에 따라 하지 재활 훈련을 진행하는 물리 치료사의 역할이 증가하고 중요성이 더욱 증대되었다. 하지 재활 훈련을 수행하는 물리 치료사는 지속적으로 환자와 상호작용하며, 하지 재활 로봇을 이용한 훈련을 안전하고 성공적으로 이끄는 역할을 수행하게 된다. 이미 개발되어 보급되어 있는 하지 재활 로봇들을 이용한 재활 훈련의 경우, 환자의 생체 데이터를 이용하여 로봇이 운용되기보다는 하지 재활 로봇이 제공하는 고정적인 관절궤적 추종만을 반복적으로 수행하기 때문에 급작스런 환자의 상태 변화에 대처하기 어렵고, 환자의 훈련 상태에 대한 모니터링이 제공되지 않기 때문에 환자의 재활 훈련 성패는 오로지 전적으로 물리 치료사에 의존하게 된다. 물리 치료사는 종래의 하지 재활 로봇을 이용한 로봇 재활 훈련 도중, 예기치 못한 로봇의 비정상 동작, 환자의 응급 상황 발생 등의 비상 상황에 대한 대처가 필수적으로 요구됨과 동시에 다양한 하지 재활 로봇 특징에 따라 필요한 환자의 상호작용을 통하여 재활 훈련을 성공적으로 이끌어야 한다. 예를 들어 보행 교정을 위하여 환자에게 반복적인 보행 동작을 제공하는 하지 재활 로봇의 경우, 재활 로봇이 의도하는 보행 궤적을 환자가 적절히 추종하며 재활 로봇을 탑승하고 있는지 지속적인 모니터링이 요구된다. 또한, 재활 로봇을 탑승하고 있는 환자의 능동적이고 자발적인 참여를 유도하여 로봇을 이용한 훈련의 효과를 극대화하여야 하는 등 물리 치료사의 부담이 증대되었다. 따라서 물리 치료사의 부담을 덜어주고 동작 교정 등을 보조 가능한 코치 어시스트 시스템이 필요하다.

한국등록특허 제10-1859549호(등록일자 2018.05.14)

따라서 본 발명이 해결하고자 하는 기술적 과제는 물리 치료사와 협동작업이 가능한 가상 코칭 기능을 제공하는 재활 훈련 방법 및 시스템을 제공하는 것이다.

상기한 기술적 과제를 해결하기 위한 본 발명에 따른 재활 훈련 시스템은 재활 로봇 장치를 이용하여 훈련하고 있는 환자의 생체 신호 데이터와 동작 데이터를 감지하는 센싱부, 상기 센싱부에서 감지된 생체 신호 데이터와 동작 데이터를 입력받아, 미리 훈련된 분류 알고리즘을 이용하여 환자의 재활 훈련 상태 및 동작을 분류하는 분류부, 그리고 상기 환자의 재활 훈련 상태 및 동작을 분류한 결과에 기초하여 코칭을 제공하는 코칭부를 포함한다.

상기 분류 알고리즘은, 상기 재활 로봇 장치를 이용한 재활 훈련 과정에서 수집된 훈련자 생체 신호 데이터, 훈련자 동작 데이터 및 훈련자에 대한 치료사의 코칭 정보를 포함하는 학습 데이터를 이용하여 훈련될 수 있다.

상기 학습 데이터는, 훈련자 생체 신호 데이터 및 훈련자 동작 데이터에 대응하여 치료사의 코칭 정보가 라벨링될 수 있다.

상기 학습 데이터는 미리 정해진 임상 시험 중에 수집될 수 있다.

상기 코칭부는, 상기 환자의 재활 훈련 상태 및 동작을 분류한 결과, 치료사의 성향에 따라 설정되는 값을 입력받아, 미리 정해진 수학식에 따라 계산되는 코칭 기준값과 현재 코칭 확률을 비교한 결과에 따라 코칭 정보 출력 여부를 결정할 수 있다.

상기 코칭부는, 상기 재활 로봇 장치의 동작을 제어하는 로봇 파라미터를 입력받고, 상기 입력된 로봇 파라미터와 상기 환자의 재활 훈련 상태 및 동작을 분류한 결과를 이용하여 상기 재활 로봇 장치의 동작 변경을 위한 추천 로봇 파라미터를 제공할 수 있다.

상기 코칭부는, 상기 환자의 생체 신호 데이터와 동작 데이터를 미리 정해진 윈도우 사이즈로 나누어 분류한 결과가 미리 정해진 임계치 이상이면, 상기 분류 결과에 대한 코칭을 제공할 수 있다.

상기 분류부는, 코칭 종류별로 훈련된 복수의 분류 알고리즘을 포함할 수 있다.

상기 센싱부에서 감지된 생체 신호 데이터와 동작 데이터에서 상기 복수의 분류 알고리즘별로 필요한 데이터를 선택하여 입력시킬 수 있다.

상기 코칭 종류는, 재활 훈련 동작 별로 구분되는 복수의 동작 교정 코칭과 응급 상황 발생 시 재활 훈련을 중지시키는 훈련 중지 코칭을 포함할 수 있다.

상기 센싱부는, 상기 환자의 생체 신호 데이터를 측정하기 위한 표면 근전도 센서, 전류 피부 반응 센서 및 심전도 센서 중 적어도 하나를 포함할 수 있다.

상기 환자의 동작 데이터를 측정하기 위한 관성 측정 센서, 전자각도계 및 비전 센서 중 적어도 하나를 포함할 수 있다.

상기한 기술적 과제를 해결하기 위한 본 발명에 따른 재활 훈련 방법은, 재활 로봇 장치를 이용하여 재활 훈련하고 있는 환자의 생체 신호 데이터와 동작 데이터를 감지하는 단계, 상기 감지된 생체 신호 데이터와 동작 데이터를 입력받아, 미리 훈련된 분류 알고리즘을 이용하여 환자의 재활 훈련 상태 및 동작을 분류하는 단계, 그리고 상기 환자의 재활 훈련 상태 및 동작을 분류한 결과에 기초하여 코칭을 제공하는 단계를 포함한다.

본 발명에 의하면 환자 생체 신호 및 동작 데이터를 모니터링하기 때문에 안전한 재활 훈련이 가능하다는 장점이 있다. 또한 환자의 생체 신호 및 동작 데이터, 그리고 로봇 파라미터를 기반으로 환자에게 적합한 로봇 파라미터를 제공 가능하다는 장점이 있다. 또한 환자의 생체 신호 및 동작 데이터, 그리고 로봇 파라미터를 기반으로 환자의 자세를 교정 가능하다는 장점이 있다. 또한 로봇 파라미터 제공 및 환자의 자세교정, 환자 모니터링으로 치료사의 부담이 줄어드는 장점이 있다.

도 1은 본 발명의 일 실시예에 따른 재활 로봇을 이용한 재활 훈련 시스템의 구성도이다.
도 2는 본 발명의 일 실시예에 따른 재활 로봇을 이용한 재활 훈련 시스템에서 훈련자에 부착되는 센서 위치를 예시한 도면이다.
도 3은 본 발명의 일 실시예에 따른 재활 로봇을 이용한 재활 훈련 시스템의 동작 흐름도이다.
도 4는 본 발명의 일 실시예에 따른 코칭부의 동작을 설명하기 위한 도면이다.

그러면 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다.

도 1은 본 발명의 일 실시예에 따른 재활 로봇을 이용한 재활 훈련 시스템의 구성도이다.

도 1을 참고하면, 본 발명에 따른 재활 훈련 시스템은 가상 코칭 시스템(100)과 재활 로봇 장치(200)를 포함할 수 있다.

재활 로봇 장치(200)는 환자(20)가 하지 재활 훈련, 상지 재활 훈련, 균형 훈련, 보행 재활 훈련 등의 재활 훈련을 하는데 요구되는 자세나 동작을 하는데 도움을 줄 수 있는 로봇 장치이다. 재활 로봇 장치(200)는 재활 훈련의 목적 등에 따라 다양한 형태로 구현될 수 있다.

환자(20)는 재활 로봇 장치(200)에 탑승하거나, 재활 로봇 장치(200)를 착용하고 재활 훈련을 할 수 있다. 환자(20)는 재활 로봇 장치(200)와 상호 작용을 하면서 재활 훈련을 할 수 있다. 치료사(10)는 가상 코칭 시스템(100)에서 제공되는 코칭 정보와 추천 로봇 파라미터를 이용하여, 환자(10)에 대한 코칭을 할 수 있으며, 재활 로봇 장치(200)의 동작을 제어할 수 있다.

실시예에 따라서 치료사(10)의 역할도 사람이 아닌 자동화된 장치에 의해 수행될 수 있다. 가령 치료사(10)가 시각적 정보 출력 수단(모니터 등)과 청각적 정보 출력 수단(스피커 등)을 구비한 장치인 경우, 코칭 정보를 해당 수단을 통해 출력할 수도 있다. 한편 치료사(10)가 재활 로봇 장치(200)와 통신을 통해 추천 로봇 파라미터를 바로 적용시킬 수도 있다. 물론 치료사(10)에 재활 로봇 장치(200)의 로봇 파라미터를 변경할 수 있는 물리적 수단(예컨대 로봇 팔 등)을 구비할 경우, 물리적 수단을 통해 재활 로봇 장치(200)의 로봇 파라미터를 변경할 수도 있다.

재활 로봇 장치(200)는 설정된 로봇 파라미터에 대응하는 동작을 할 수 있다. 치료사(10)는 로봇 파라미터를 조정하여 재활 로봇 장치(200)가 재활 훈련 중에 환자(20)를 적절하게 보조할 수 있도록 제어할 수 있다. 가령 재활 로봇 장치(200)가 하지 재활 훈련 로봇 장치이면, 보행 속도, 보폭 등을 로봇 파라미터를 입력받고, 그에 따라 동작할 수 있다.

가상 코칭 시스템(100)은 센싱부(110), 분류부(130) 및 코칭부(150)를 포함할 수 있다.

센싱부(110)는 환자(20)의 생체 신호 데이터를 측정하기 위한 표면 근전도(sEMG, surface electromyography) 센서, 전류 피부 반응(GSR, Galvanic Skin Response) 센서 및 심전도(ECG, electrocardiogram) 센서 등을 포함할 수 있다. 그리고 센싱부(110)는 재활 훈련 중인 환자(20)의 동작 데이터를 측정하기 위한 관성 측정 센서(IMU, inertial measurment unit), 전자각도계(electrogoniometer) 및 비전 센서 중 적어도 하나를 포함할 수 있다. 비전 센서는 RGB 카메라, 적외선 카메라 등을 포함할 수 있다.

도 2는 본 발명의 일 실시예에 따른 재활 로봇을 이용한 재활 훈련 시스템에서 훈련자에 부착되는 센서의 위치를 예시한 도면이다.

센싱부(110)는 재활 로봇 장치(200)를 이용하여 훈련하고 있는 환자(20)의 생체 신호 데이터와 동작 데이터를 감지할 수 있다. 이를 위해 센싱부(110)는 도 2에 예시한 것과 같이 환자(20)의 다양한 위치에 다양한 센서를 부착시킬 수 있다. 도 2를 참고하면, 관성 측정 센서(Head IMU)가 환자의 머리 뒤 부분, 관성 측정 센서(Sacrum IMU)가 허리에 있는 천골 부분, 관성 측정 센서(Left/Right Thigh IMU)가 좌/우 장딴지 부분, 관성 측정 센서(Left/Right Shank IMU)가 좌/우 정강이 부분에 부착된 예를 나타낸 것이다. 좌/우 장딴지 부분과 좌/우 정강이 부분에 부착된 4개의 IMU는 관절 각도를 측정할 수 있다. 관성 측정 센서 외에도 EMG, ECG, 발바닥 접촉 센서 등이 부착되어 생체 신호 데이터와 동작 데이터를 감지할 수 있다.

물론 도 2에 예시한 것과 다른 위치에 센서를 부착하거나, 다른 종류의 센서를 이용하는 것도 가능하다.

분류부(130)는 센싱부(110)에서 감지된 생체 신호 데이터와 동작 데이터를 입력받아, 미리 훈련된 분류 알고리즘을 이용하여 환자의 재활 훈련 상태 및 동작을 분류한 결과를 출력할 수 있다.

분류 알고리즘은 재활 로봇 장치(200)를 이용한 재활 훈련 과정에서 수집된 훈련자 생체 신호 데이터, 훈련자 동작 데이터 및 훈련자에 대한 치료사의 코칭 정보를 포함하는 학습 데이터를 이용하여 훈련될 수 있다.

예를 들어 미리 정해진 임상 시험 기간에 다수의 훈련자에 대해서 재활 로봇 장치(200)를 이용한 재활 훈련을 수행하는 동안에 수집되는 학습 데이터를 이용하여 분류 알고리즘을 훈련시킬 수 있다.

그리고 학습 데이터를 수집하는 과정에서, 훈련자는 재활 훈련이 필요한 환자일 수 있으나 환자만으로 학습 데이터가 충분하지 않을 수 있다. 따라서 재활 훈련이 필요없는 건강한 사람을 가상으로 재활 훈련시키는 과정에서 수집되는 데이터도 학습 데이터에 포함할 수 있다.

분류 알고리즘은 LSTM(Long Short Term Memory Network)나 GRU(Gated Recurrent Unit)와 같은 시계열 데이터를 처리하는데 적합한 신경망을 이용할 수 있다.

학습 데이터는 재활 훈련 중에 수집되는 훈련자 생체 신호 데이터 및 훈련자 동작 데이터에 재활 훈련 과정에서 치료사에 의해 이루어지는 코칭 정보가 라벨링(labeling)될 수 있다. 그리고 학습 데이터는 일반적으로 전문 치료사가 2~3개의 케이던스(cadences)(약 3~5초)를 관찰한 후 코칭 추천을 하는 것을 고려하여, 학습 데이터의 기본 단위 시간은 5초로 설정하고 훈련 상태(정상 또는 비정상) 등을 라벨링 할 수 있다. 물론 실시예에 따라 학습 데이터의 기본 단위 시간은 달라질 수 있다.

예를 들어 뇌졸증 환자에 대한 재활 훈련 과정에서 치료사가 동작 교정을 위해 다음과 같은 코칭을 환자에게 할 수 있다. 재활 훈련 중에 1)고개 바로 세우기 2)가슴 펴기 3)몸 가운데 정렬 4)무릎 구부리기 5)무릎 펴기 등의 동작 교정과 관련된 코칭을 했을 때에, 그에 대응되는 훈련자 동작 데이터에 코칭 정보를 라벨링 할 수 있다.

한편 재활 훈련 중에 훈련자의 응급 상황 발생 등으로 인한 재활 훈련 중지 등과 같은 코칭 정보가 입력되면, 그에 대응되는 훈련자 생체 신호 데이터에 코칭 정보를 라벨링 할 수 있다.

물론 코칭 정보를 훈련자 생체 신호 데이터와 훈련자 동작 데이터를 구분하지 않고 모두 라벨링 시킬 수도 있다.

한편 실시예에 따라서 학습 데이터에 치료사가 재활 훈련을 하면서 재활 로봇 장치(200)의 로봇 파라미터를 조정한 데이터도 함께 라벨링되어 포함될 수 있다.

치료사가 재활 훈련 과정에서 재활 훈련 강도를 조정하는 것이 필요하다고 판단했을 때 로봇 파라미터를 조정하므로, 이 역시 훈련자 생체 신호 데이터와 훈련자 동작 데이터에 매칭하여 함께 학습할 수 있도록 하는 것이 바람직하다.

실시예에 따라서 분류부(130)는 코칭 종류별로 각각 별도로 학습된 복수의 분류 알고리즘을 포함할 수 있다. 코칭 종류는 환자의 재활 훈련 동작 교정을 위한 동작 교정 교칭과 응급 상황 발생 시 재활 훈련을 중지시키는 훈련 중지 코칭으로 크게 구분할 수 있다. 그리고 동작 교정 코칭은 1)고개 바로 세우기 2)가슴 펴기 3)몸 가운데 정렬 4)무릎 구부리기 5)무릎 펴기 등과 같이 세부 동작별로 구분될 수도 있다. 물론 훈련 중지 코칭도 응급 상황의 종류별로 구분될 수도 있다.

그리고 분류부(130)는 실시간으로 입력되는 훈련자 생체 신호 데이터와 훈련자 동작 데이터에서 분류 알고리즘별로 필요한 피처(feature)를 추출하여 선택적으로 입력할 수 있다. 분류부(130)는 분류 알고리즘이 코칭 종류별로 병렬로 마련되어 코칭 필요 여부를 판단하므로 실시간으로 보다 빠르고 정확하게 처리할 수 있다.

예컨대 1) 고개 바로 세우기 코칭에 대해서는 머리 관성 측정 센서 데이터(Head IMU data), 머리 절대 및 관절 각도(Head absolute and joint angle) 등이 피처로 해당 분류 알고리즘에 입력되고, 4) 무릎 구부리기 코칭의 경우 좌/우 엉덩이 및 무릎 절대 및 관절 각도(Left/right hip and knee absolute and joint angle) 등이 피처로 해당 분류 알고리즘에 입력되어 훈련자의 해당 동작의 정상 유무가 판정되어 출력될 수 있다.

코칭부(150)는 분류부(130)에서 환자(20)의 재활 훈련 상태 및 동작을 분류한 결과에 기초하여 코칭을 제공할 수 있다. 여기서 재활 훈련 상태는 해당 동작이 정상 동작인지 또는 병적 동작인지를 분류한 결과에 해당할 수 있다.

예컨대 환자(20)의 재활 훈련 상태 및 동작을 분류한 결과 환자의 고개 바로 세우기가 필요한 상태이면, 코칭부(150)는 '고개 바로 세우기'를 환자에 대한 동작 코칭을 위해서 제공할 수 있다.

또한 환자의 재활 훈련 상태 및 동작을 분류한 결과 응급 상황이 발생한 것으로 분류되면, 코칭부(150)는 재활 로봇 장치(200)의 동작을 정지시키는 코칭을 제공할 수도 있다.

코칭부(150)는 재활 로봇 장치(200)로부터 현재 설정된 로봇 파라미터를 입력받을 수 있다. 그리고 환자(20)의 재활 훈련 상태 및 동작을 분류한 결과 환자의 훈련 강도 조정이 필요한 경우, 코칭부(150)는 재활 로봇 장치(200)의 동작 변경을 위한 추천 로봇 파라미터를 제공할 수도 있다. 예컨대 현재 설정된 로봇 파라미터에 의한 보폭이나 보행 속도를 증가시키거나 감소시키는 것이 필요할 경우 그에 따른 추천 로봇 파라미터를 제공할 수 있다.

한편 환자의 생체 신호 데이터와 동작 데이터는 시계열 데이터이므로 정상적인 동작과 비정상적인 동작을 명확하게 구분하기가 어려울 수 있다. 일정량의 윈도우 마스킹이 LSTM 예측 데이터에 적용되고, 결과는 특정 임계값이 초과되었는지를 확인함으로써 최종적으로 결정되도록 구현할 수 있다. 즉 LSTM 신경망에서 윈도우 단위로 시계열 데이터를 나누어 처리하므로, 일정 시간동안 비정상 상태로 분류된 결과가 임계치 이상이면 해당 비정상 동작에 대한 코칭이 필요한 것으로 판단할 수 있다.

도 3은 본 발명의 일 실시예에 따른 재활 로봇을 이용한 재활 훈련 시스템의 동작 흐름도이다.

도 1 및 도 3을 참고하면, 먼저 임상 시험 등 재활 로봇 장치(200)를 이용한 재활 훈련 과정에서 수집된 훈련자 생체 신호 데이터, 훈련자 동작 데이터 및 훈련자에 대한 치료사의 코칭 정보를 포함하는 학습 데이터를 이용하여 분류 알고리즘을 훈련할 수 있다(S310). 단계(S310)에서 학습 데이터는 재활 훈련 중에 수집되는 훈련자 생체 신호 데이터 및 훈련자 동작 데이터에 재활 훈련 과정에서 치료사에 의해 이루어지는 코칭 정보가 라벨링될 수 있다. 그리고 재활 훈련 중에 훈련자의 응급 상황 발생 등으로 인한 재활 훈련 중지 등과 같은 코칭 정보가 입력되면, 그에 대응되는 훈련자 생체 신호 데이터에 코칭 정보를 라벨링 할 수도 있다. 물론 코칭 정보를 훈련자 생체 신호 데이터와 훈련자 동작 데이터를 구분하지 않고 모두 라벨링 시킬 수도 있다. 한편 실시예에 따라서 치료사가 재활 훈련을 하면서 재활 로봇 장치(200)의 로봇 파라미터를 조정한 데이터도 함께 라벨링되어 학습 데이터에 포함될 수도 있다. 한편 코칭이 필요한 동작별로 분류 알고리즘을 학습시킬 수도 있다.

이후 분류부(130)는 실제로 환자(20)가 재활 로봇 장치(200)를 이용하여 재활 훈련을 하는 과정에서 센싱부(110)에서 감지된 생체 신호 데이터와 동작 데이터를 입력받아, 미리 훈련된 분류 알고리즘을 이용하여 환자(20)의 재활 훈련 상태 및 동작을 분류한 결과를 출력할 수 있다(S320).

다음으로 코칭부(150)는 분류부(130)에서 환자(20)의 재활 훈련 상태 및 동작을 분류한 결과에 기초하여 코칭을 제공할 수 있다(S330). 단계(S330)에서 코칭부(150)는 재활 로봇 장치(200)로부터 현재 설정된 로봇 파라미터를 함께 입력받고 환자(20)의 재활 훈련 상태 및 동작을 분류한 결과 환자(20)의 재활 훈련 강도 조정이 필요한 경우, 재활 로봇 장치(200)의 동작 변경을 위한 추천 로봇 파라미터를 제공할 수도 있다.

실시예에 따라서 코칭부(150)는 도 4에 예시한 것과 같이 동작하여 치료사(10)의 성향에 따른 코칭 정보를 출력하도록 구현할 수도 있다.

도 4는 본 발명의 일 실시예에 따른 코칭부의 동작을 설명하기 위한 도면이다.

도 4를 참고하면, 코칭부(150)는 분류부(130)에서 출력되는 재활 훈련 상태 및 동작 분류에 대한 결과(

)와 치료사 성향에 따라 설정되는 값(

,

)을 입력으로 코칭 정보를 출력할 수 있다.

치료사의 활동 수준(

)(the level of activity of physical therapists)은 치료사가 코칭을 얼마나 자주하는 지를 나타내며, 치료사의 성향에 따라 설정될 수 있다. 코칭 확률 마진(

)(coaching probability margin)은 코칭 판단이 유보되는 정도를 나타내는 것으로, 치료사의 성향에 따라 설정될 수 있으며, 직전의 코칭 결과에 비례하여 기준값이 높아지도록 설계될 수 있다. 코칭 유보 시간(

)(and coaching hold time)은 코칭을 위한 최소 간격, 코칭 출력을 내보내고 나서 최소한으로 환자의 동작을 관찰하는 시간을 의미하며, 이 역시 치료사의 성향에 설정될 수 있다.

아래에서 i는 분류부(130)에서 선택된 코칭 종류를 나타내는 인덱스이고, k는 현재 시간 인덱스를 나타낸다.

최종 코칭 추천(

)은 아래 수학식에 의해 현재 코칭 확률(

)과 코칭 기준값(

)을 비교하여 결정된다.

현재 코칭 확률(

)은 아래 수학식 1에 의해 계산된다.

[수학식 1]

여기서

는 분류부(130)의 출력, 즉 재활 훈련 상태 및 동작 분류에 대한 결과를 나타내는 것이다. Nw는 코칭 유보 시간(

)을 고려하여 설정되는 값으로, 예컨대 훈련자의 동작 데이터가 1초에 50번(즉 50Hz)로 샘플링 되고, 치료사가 5초 동안 훈련자의 동작 상태를 살펴보는 것으로 고려하면, 250(50Hz*5sec)로 설정될 수 있다.

코칭 기준값(

)은 아래 수학식 2에 의해 도출된다.

[수학식 2]

여기서,

는 치료사의 활동 수준으로 설정된 값을 나타낸 것이다. 여기서

는

로서, 치료사의 활동 수준에 비례하여 코칭 기준값(

)을 낮추는데 사용되는 함수이다.

최종 코칭 추천(

)은 아래 수학식 3에 의해 결정된다.

[수학식 3]

여기서 m은 최종 코칭 추천을 코칭 유보 시간 동안 유보하는데 사용되는 인덱스이고, f_s는 훈련자 동작 데이터의 샘플링 주기, τ_i는 코칭 유보 시간이다. 즉 수학식 3과 같이 코칭 기준값(

)이 현재 코칭 확률(

) 이상이면 코칭 출력을 하지 않고, 코칭 기준값(

)이 현재 코칭 확률(

)보다 작으면 코칭 출력을 한다.

본 발명의 실시예는 다양한 컴퓨터로 구현되는 동작을 수행하기 위한 프로그램 명령을 포함하는 컴퓨터로 읽을 수 있는 매체를 포함한다. 이 매체는 앞서 설명한 방법을 실행시키기 위한 프로그램을 기록한다. 이 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 이러한 매체의 예에는 하드디스크, 플로피디스크 및 자기 테이프와 같은 자기 매체, CD 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 자기-광 매체, 롬, 램, 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 구성된 하드웨어 장치 등이 있다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.

이상에서 본 발명의 바람직한 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

재활 로봇 장치를 이용하여 재활 훈련하고 있는 환자의 생체 신호 데이터와 동작 데이터를 감지하는 센싱부,
상기 센싱부에서 감지된 생체 신호 데이터와 동작 데이터를 입력받아, 미리 훈련된 분류 알고리즘을 이용하여 환자의 재활 훈련 상태 및 동작을 분류하는 분류부, 그리고
상기 환자의 재활 훈련 상태 및 동작을 분류한 결과에 기초하여 코칭을 제공하는 코칭부를 포함하고,
상기 분류 알고리즘은 상기 재활 로봇 장치를 이용한 재활 훈련 과정에서 수집된 훈련자 생체 신호 데이터, 훈련자 동작 데이터 및 훈련자에 대한 치료사의 코칭 정보를 포함하는 학습 데이터를 이용하여 훈련되며,
상기 학습 데이터는 재활 훈련 중에 수집되는 훈련자 생체 신호 데이터 및 훈련자 동작 데이터에 대응하여 재활 훈련 중에 치료사에 이루어진 코칭 정보 및 치료사가 상기 재활 로봇 장치의 로봇 파라미터를 조정한 데이터가 라벨링되어 있는 재활 로봇을 이용한 재활 훈련 시스템.
삭제
삭제
제 1 항에서,
상기 학습 데이터는 미리 정해진 임상 시험 중에 수집되는 재활 로봇을 이용한 재활 훈련 시스템.
제 1 항에서,
상기 코칭부는,
치료사의 성향에 따라 미리 설정되는 값(
,
,
) 및 상기 환자의 재활 훈련 상태 및 동작을 분류한 결과(
)를 입력받고,
코칭 기준값(
)과 현재 코칭 확률(
)를 비교한 결과에 따라 상기 환자의 재활 훈련 상태 및 동작을 분류한 결과에 대응하는 최종 코칭 추천(
)의 출력 여부를 결정하며,
i는 상기 환자의 재활 훈련 상태 및 동작을 분류한 결과에 대응하여 선택된 코칭 종류를 나타내는 인덱스이고, k는 현재 시간 인덱스를 나타내며,
상기 현재 코칭 확률(
)은 수학식 1에 의해 계산되고,
[수학식 1]

Nw는 코칭을 위한 최소 간격으로 설정된 값(
)에 훈련자의 동작 데이터 샘플링 주파수를 곱한 값으로 정해지고,
상기 코칭 기준값(
)은 수학식 2에 의해 계산되며,
[수학식 2]

는 치료사의 활동 수준으로 설정된 값이고,
는
이며,
는 코칭 판단이 유보되는 정도로 설정된 값인 재활 로봇을 이용한 재활 훈련 시스템.
제 1 항에서,
상기 코칭부는,
상기 재활 로봇 장치의 동작을 제어하는 로봇 파라미터를 입력받고, 상기 입력된 로봇 파라미터와 상기 환자의 재활 훈련 상태 및 동작을 분류한 결과를 이용하여 상기 재활 로봇 장치의 동작 변경을 위한 추천 로봇 파라미터를 제공하는 재활 로봇을 이용한 재활 훈련 시스템.
제 6 항에서,
상기 코칭부는,
상기 환자의 생체 신호 데이터와 동작 데이터를 미리 정해진 윈도우 사이즈로 나누어 분류한 결과가 미리 정해진 임계치 이상이면, 상기 분류 결과에 대한 코칭을 제공하는 재활 로봇을 이용한 재활 훈련 시스템.
제 1 항에서,
상기 분류부는,
코칭 종류별로 훈련된 복수의 분류 알고리즘을 포함하고,
상기 센싱부에서 감지된 생체 신호 데이터와 동작 데이터에서 상기 복수의 분류 알고리즘별로 필요한 데이터를 선택하여 입력시키는 재활 로봇을 이용한 재활 훈련 시스템.
제 8 항에서,
상기 코칭 종류는,
재활 훈련 동작 별로 구분되는 복수의 동작 교정 코칭과 응급 상황 발생 시 재활 훈련을 중지시키는 훈련 중지 코칭을 포함하는 재활 로봇을 이용한 재활 훈련 시스템.
제 1 항에서,
상기 센싱부는,
상기 환자의 생체 신호 데이터를 측정하기 위한 표면 근전도 센서, 전류 피부 반응 센서 및 심전도 센서 중 적어도 하나를 포함하고,
상기 환자의 동작 데이터를 측정하기 위한 관성 측정 센서, 전자각도계 및 비전 센서 중 적어도 하나를 포함하는 재활 로봇을 이용한 재활 훈련 시스템.
센싱부에서 재활 로봇 장치를 이용하여 재활 훈련하고 있는 환자의 생체 신호 데이터와 동작 데이터를 감지하는 단계,
분류부에서 상기 감지된 생체 신호 데이터와 동작 데이터를 입력받아, 미리 훈련된 분류 알고리즘을 이용하여 환자의 재활 훈련 상태 및 동작을 분류하는 단계, 그리고
코칭부에서 상기 환자의 재활 훈련 상태 및 동작을 분류한 결과에 기초하여 코칭을 제공하는 단계
를 포함하고,
상기 분류 알고리즘은 상기 재활 로봇 장치를 이용한 재활 훈련 과정에서 수집된 훈련자 생체 신호 데이터, 훈련자 동작 데이터 및 훈련자에 대한 치료사의 코칭 정보를 포함하는 학습 데이터를 이용하여 훈련되며,
상기 학습 데이터는 재활 훈련 중에 수집되는 훈련자 생체 신호 데이터 및 훈련자 동작 데이터에 대응하여 재활 훈련 중에 치료사에 이루어진 코칭 정보 및 치료사가 상기 재활 로봇 장치의 로봇 파라미터를 조정한 데이터가 라벨링되어 있는 재활 로봇을 이용한 재활 훈련 방법.
삭제
삭제
제 11 항에서,
상기 학습 데이터는 미리 정해진 임상 시험 중에 수집되는 재활 로봇을 이용한 재활 훈련 방법.
제 11 항에서,
상기 코칭부는,
치료사의 성향에 따라 미리 설정되는 값(
,
,
) 및 상기 환자의 재활 훈련 상태 및 동작을 분류한 결과(
)를 입력받고,
코칭 기준값(
)과 현재 코칭 확률(
)를 비교한 결과에 따라 상기 환자의 재활 훈련 상태 및 동작을 분류한 결과에 대응하는 최종 코칭 추천(
)의 출력 여부를 결정하며,
i는 상기 환자의 재활 훈련 상태 및 동작을 분류한 결과에 대응하여 선택된 코칭 종류를 나타내는 인덱스이고, k는 현재 시간 인덱스를 나타내며,
상기 현재 코칭 확률(
)은 수학식 1에 의해 계산되고,
[수학식 1]

Nw는 코칭을 위한 최소 간격으로 설정된 값(
)에 훈련자의 동작 데이터 샘플링 주파수를 곱한 값으로 정해지고,
상기 코칭 기준값(
)은 수학식 2에 의해 계산되며,
[수학식 2]

는 치료사의 활동 수준으로 설정된 값이고,
는
이며,
는 코칭 판단이 유보되는 정도로 설정된 값인 재활 로봇을 이용한 재활 훈련 방법.
제 11 항에서,
상기 재활 로봇 장치의 동작을 제어하는 로봇 파라미터를 입력받고, 상기 입력된 로봇 파라미터와 상기 환자의 재활 훈련 상태 및 동작을 분류한 결과를 이용하여 상기 재활 로봇 장치의 동작 변경을 위한 추천 로봇 파라미터를 제공하는 재활 로봇을 이용한 재활 훈련 방법.
제 16 항에서,
상기 코칭부는,
상기 환자의 생체 신호 데이터와 동작 데이터를 미리 정해진 윈도우 사이즈로 나누어 분류한 결과가 미리 정해진 임계치 이상이면, 상기 분류 결과에 대한 코칭을 제공하는 재활 로봇을 이용한 재활 훈련 방법.
제 11 항에서,
코칭 종류별로 훈련된 복수의 분류 알고리즘을 포함하고,
상기 센싱부에서 감지된 생체 신호 데이터와 동작 데이터에서 상기 복수의 분류 알고리즘별로 필요한 데이터를 선택하여 입력시키는 재활 로봇을 이용한 재활 훈련 방법.
제 18 항에서,
상기 코칭 종류는,
재활 훈련 동작 별로 구분되는 복수의 동작 교정 코칭과 응급 상황 발생 시 재활 훈련을 중지시키는 훈련 중지 코칭을 포함하는 재활 로봇을 이용한 재활 훈련 방법.
제 11 항에서,
상기 환자의 생체 신호 데이터는 표면 근전도 센서, 전류 피부 반응 센서 및 심전도 센서 중 적어도 하나에 의해 센싱되고,
상기 환자의 동작 데이터는 관성 측정 센서, 전자각도계 및 비전 센서 중 적어도 하나에 의해 센싱되는 재활 로봇을 이용한 재활 훈련 방법.
컴퓨터에 상기한 제 11 항, 제 14 항 내지 제 20 항 중 어느 한 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.