WO2023096015A1 - 퍼지 추론 기반의 운동 기능 평가 방법 - Google Patents

퍼지 추론 기반의 운동 기능 평가 방법 Download PDF

Info

Publication number
WO2023096015A1
WO2023096015A1 PCT/KR2021/019690 KR2021019690W WO2023096015A1 WO 2023096015 A1 WO2023096015 A1 WO 2023096015A1 KR 2021019690 W KR2021019690 W KR 2021019690W WO 2023096015 A1 WO2023096015 A1 WO 2023096015A1
Authority
WO
WIPO (PCT)
Prior art keywords
evaluation
measurement
item
value
fuzzy
Prior art date
Application number
PCT/KR2021/019690
Other languages
English (en)
French (fr)
Inventor
구익모
김종현
황예지
Original Assignee
에이치로보틱스 주식회사
성균관대학교산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 에이치로보틱스 주식회사, 성균관대학교산학협력단 filed Critical 에이치로보틱스 주식회사
Publication of WO2023096015A1 publication Critical patent/WO2023096015A1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1124—Determining motor skills
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1116—Determining posture transitions
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range of movement
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1124—Determining motor skills
    • A61B5/1125—Grasping motions of hands
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
    • A61B5/1128—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique using image analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
    • A61B5/4538—Evaluating a particular part of the muscoloskeletal system or a particular medical condition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2505/00—Evaluating, monitoring or diagnosing in the context of a particular type of medical care
    • A61B2505/09—Rehabilitation or training

Definitions

  • the present invention relates to a motor function evaluation method based on fuzzy reasoning, and more particularly, in evaluating the motor function of a rehabilitation subject such as a patient, a motor function evaluation method capable of more accurate motor function evaluation using a fuzzy reasoning technique. It is about.
  • the Fugl-Meyer assessment (FMA) technique relates to a method for quantitatively evaluating the degree of functional recovery of stroke patients based on the recovery stage of motor ability after stroke.
  • the Fugle-Meier assessment has a sequential scoring system, where a score of 0 means that the stroke patient is unable to perform a specified upper limb movement, a score of 1 means he is partially performing, and a score of 2 is completely performing.
  • the motor function evaluation system disclosed in Korean Patent Registration No. 10-1814293 proposes a function evaluation technique using a motion recognition sensor and a pressure sensor.
  • the motor function evaluation system disclosed in the Korean registered patent analyzes the motion to be measured for the human body based on human body information on the human body movement recognized through the motion recognition sensor and digitizes it, thereby performing Fugl-Meier evaluation (Fugl-Meier evaluation).
  • FMA Fugl-Meier evaluation
  • Patent Document 1 Korean Patent Registration No. 10-1814293
  • the present invention has been devised in view of the above points, and an object of the present invention is to accurately evaluate the patient's motor function while using an existing motor function evaluation technique such as the Fugl-meyer assessment (FMA) technique. It is to provide a motor function evaluation method based on fuzzy reasoning that can measure changes.
  • FMA Fugl-meyer assessment
  • An object of the present invention is to provide a motor function evaluation method based on fuzzy reasoning, comprising the steps of (a) obtaining human body information about a human body movement, and (b) performing a plurality of measurements based on the human body information. detecting a capability value for each measurement item in each measurement item set for a target motion; (c) classifying and inputting the capability value for each measurement item to a fuzzy inference unit having a plurality of membership functions; A function is created and registered for each evaluation item in a preset evaluation technique, and the ability value for each measurement item is classified by the evaluation item and inputted to the corresponding membership function (d) The inferred value of each membership function is corresponding It is achieved by a motor function evaluation method comprising the step of outputting evaluation values for evaluation items.
  • the evaluation technique may include a Fugl-meyer assessment (FMA) technique.
  • FMA Fugl-meyer assessment
  • the measurement items include a first reasoning type classified as fully performed, partially performed, or not performed, a second reasoning type classified as performed or not performed, and a third reasoning type classified as maintained or not maintained, ;
  • the ability values for each measurement item corresponding to the first reasoning type are given as R1, R2, and R3 corresponding to complete performance, partial performance, and non-performance, respectively;
  • the ability values for each measurement item corresponding to the second inference type are given as R4 and R5 corresponding to performance and non-performance, respectively;
  • the ability values for each measurement item corresponding to the third reasoning type may be assigned as R6 and R7 corresponding to maintenance and non-maintenance, respectively.
  • a plurality of fuzzy rules for configuring the membership function are set for each of R1, R2, and R3; Established by AND or OR combination between measurement items belonging to the second reasoning type for R4 and R5; R6 and R7 may be set and generated by an OR combination between measurement items belonging to the third reasoning type.
  • each of the membership functions may be generated by applying at least two of the plurality of fuzzy rules, and may be generated through aggregation of the applied fuzzy rules.
  • a minimum value of an overlapping portion between the fuzzy rules may be calculated and combined with a maximum value of an overlapping portion between the fuzzy rules in the case of an OR combination.
  • the membership function may output the evaluation value as a value between 0 and 1 by performing de-fuzzification after combining the fuzz rules.
  • a motor function evaluation method based on fuzzy reasoning is provided.
  • FIG. 1 and 2 are diagrams showing a schematic configuration of a motor function evaluation system according to an embodiment of the present invention
  • FIG. 3 is a diagram showing an example of the configuration of an exercise capacity evaluation unit according to an embodiment of the present invention.
  • 4 to 7 are diagrams for explaining the configuration of a fuzzy reasoning unit according to an embodiment of the present invention.
  • the present invention is a motor function evaluation method based on fuzzy reasoning, comprising: (a) acquiring human body information about human body movements; (b) measurement items set for a plurality of measurement target motions based on the human body information; Detecting capability values for each measurement item; (c) classifying and inputting the capability values for each measurement item to a fuzzy inference unit having a plurality of membership functions; It is generated and registered for each item, and the ability value for each measurement item is classified by the evaluation item and input to the corresponding membership function. (d) The inferred value of each membership function outputs the evaluation value for the corresponding evaluation item. It is characterized in that it includes the step of becoming.
  • the motor function evaluation system 100 is a system for analyzing motion characteristics of a patient with a brain disease, and may assign evaluation scores to a series of measurement target motions according to evaluation conditions.
  • the application is not limited to patients with brain diseases, and can be applied to various fields where the motion characteristics of the human body can be analyzed.
  • FIG. 1 and 2 are diagrams showing a schematic configuration of a motor function evaluation system 100 according to an embodiment of the present invention.
  • the motor function evaluation system 100 may include a sensing unit 110, a motor ability evaluation unit 130, and an image display unit 150. there is.
  • the sensing unit 110 acquires human body information including the movement of the human body and the holding state of the hand in real time.
  • the human body information may include motion information on movement, rotation, bending, or extension of the arm, shoulder, waist, or hand of the human body in a specific direction.
  • the sensing unit 110 includes a motion recognition sensor 111 and a pressure sensor 112 .
  • the motion recognition sensor 111 may be disposed toward the human body and detect the position of a joint of the human body, the direction of a bone adjacent to a joint, or a gripping state of a hand.
  • the pressure sensor 112 may be held in the hand of the human body and sense the gripping force of the hand.
  • FIG. 3 is a diagram showing an example of the configuration of the exercise capacity evaluation unit 130 according to an embodiment of the present invention.
  • the exercise capacity evaluation unit 130 includes a data classification unit 131, a fuzzy inference unit 132, an image processing unit 135, a communication unit 136, and a main control unit. (134).
  • the exercise capacity evaluation unit 130 according to an embodiment of the present invention may further include an output mapping unit 133 and a user input unit 137.
  • the data classification unit 131 classifies the sensing result of the sensing unit 110 received through the communication unit 136 for each measurement item set for a plurality of measurement target motions. For example, a motion to be measured may be analyzed from an image captured by the motion recognition sensor 111, and the corresponding dungeon may be classified for each measurement item.
  • the Fugl-meyer assessment (FMA) technique is applied to motor function evaluation, each of the evaluation items on the Fugl-meyer assessment (FMA) technique
  • An example is classifying the measurement items to be applied for according to the evaluation items.
  • the fuzzy inference unit 132 detects a capability value for a corresponding measurement item based on data classified by the measurement item by the data classification unit 131 . That is, the fuzzy inference unit 132 may detect a capability value for each measurement item.
  • the fuzzy reasoning unit 132 inputs capability values for each measurement item to a plurality of pre-registered membership functions, and outputs inferred values, that is, output values, of each membership function as evaluation values.
  • each membership function is generated and registered for each evaluation item on an evaluation technique, for example, the above-described Fugl-Meyer assessment (FMA) technique.
  • FMA Fugl-Meyer assessment
  • the ability values for each measurement item are classified according to evaluation items and input to a corresponding membership function.
  • evaluation items in the Fugl-meyer assessment (FMA) technique are composed of T1, T2, and T3.
  • T1 may be defined as "elbow extension during hand to knee", and exercise ability may be evaluated through an exercise to bring the affected upper limb to the affected ear in a sitting position.
  • T2 can be defined as "shoulder abduction 0-90°", and the ability to exercise by lifting the shoulder up to 90° while keeping the elbow straight and the forearm not rotated (a state between pronation and supination). this can be evaluated.
  • T3 may be defined as "shoulder abduction + internal rotation during hand to knee", and exercise ability may be evaluated through an exercise in which the upper extremity on the affected side is directed toward the unaffected knee in the T1 posture.
  • a membership function by setting T1, T2, and T3 of the Fugl-Meyer assessment (FMA) technique as evaluation items, that is, membership corresponding to T1.
  • FMA Fugl-Meyer assessment
  • the function, membership function corresponding to T2, and membership function corresponding to T3 are registered in the fuzzy reasoning unit 132, and evaluation values for each of T1, T2, and T3 are output from each membership function.
  • measurement items are classified into a first reasoning type, a second reasoning type, and a third reasoning type.
  • the first inference type may include motions in which measurement target motions corresponding to measurement items can be classified as fully performed, partially performed, and unperformed (ie, not performed).
  • the second inference type may include actions in which measurement target actions corresponding to measurement items can be classified into performed and non-performed.
  • the third reasoning type may include motions in which measurement target motions corresponding to measurement items can be classified into maintenance and non-maintenance (ie, not maintained).
  • each evaluation item of the Fugl-Meyer assessment (FMA) technique is matched with at least one of the inference types, and each evaluation item has at least one measurement item as its input.
  • FMA Fugl-Meyer assessment
  • capability values for each measurement item corresponding to the first reasoning type are given as R1, R2, and R3 corresponding to complete performance, partial performance, and non-performance, respectively.
  • the ability values for each measurement item corresponding to the second reasoning type are given as R4 and R5 corresponding to performance and non-performance, respectively, and the ability value for each measurement item corresponding to the third reasoning type is maintained and non-maintenance.
  • those assigned to R6 and R7 correspond to each other.
  • R1 to R7 become indices of fuzzy inputs of the membership function.
  • FIG. 5 is a diagram showing an example of a fuzzy rule applied to a membership function according to an embodiment of the present invention.
  • the fuzzy rule is set for each of the fuzzy inputs R1, R2, and R3, and is set by AND or OR combination between measurement items belonging to the second reasoning type for R4 and R5, It is exemplified that R6 and R7 are set and generated by an OR combination between measurement items belonging to the third reasoning type.
  • the output for each fuzzy rule is set to S1, S2, and S3.
  • S1 is 2 points
  • S2 is 1 point
  • S3 is 0 points. set as an example.
  • FIG. 6 is a diagram illustrating examples of membership functions corresponding to a first reasoning type, a second reasoning type, and a third reasoning type to be applied to each fuzzy rule.
  • a membership function corresponding to each evaluation item is generated through aggregation of fuzzy rules applied to the corresponding evaluation item.
  • the membership function of the evaluation item corresponding to T1 among the evaluation items is generated through the synthesis of membership functions corresponding to the three fuzzy rules shown in FIG. 5, and T2 is the synthesis of membership functions corresponding to the five fuzzy rules. T3 is created through the synthesis of membership functions corresponding to the five fuzzy rules.
  • FIG. 7 is a diagram showing an example of synthesis for generating membership functions for evaluation items.
  • fuzzy rules in the case of an AND combination between measurement items, the minimum value of the overlapping portion between fuzzy rules is calculated and the maximum value of the overlapping portion between fuzzy rules is calculated and synthesized in the case of an OR combination.
  • the evaluation value is output as a value between 0 and 1.
  • the output mapping unit 133 maps the evaluation value of each membership function to a value of 0, 1, or 2, which is an evaluation value according to the Fugl-Meyer assessment (FMA) technique. So, it can be output. That is, the main control unit 134 controls the output mapping unit 133 to map the evaluation value of the membership function to a value of 0, 1, or 2 either automatically or at a request of the user through the user input unit 137, and the image processing unit A corresponding image may be generated through (135) and displayed through the image display unit 150.
  • FMA Fugl-Meyer assessment
  • the present invention is applicable to the field of patient rehabilitation.

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Physiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Rheumatology (AREA)
  • Geometry (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Radiology & Medical Imaging (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Control Of Electric Motors In General (AREA)

Abstract

본 발명은 퍼지 추론 기반의 운동 기능 평가 방법에 관한 것으로, (a) 인체의 움직임에 대한 인체 정보가 획득되는 단계와, (b) 상기 인체 정보에 기초하여 복수의 측정대상동작에 대해 각각 설정된 측정 항목에 측정 항목별 능력치가 검출되는 단계와, (c) 복수의 멤버쉽 함수를 갖는 퍼지 추론부에 상기 측정 항목별 능력치가 분류되어 입력되는 단계와, - 각각의 상기 멤버쉽 함수는 기 설정된 평가 기법 상의 평가 항목 각각에 대해 생성되어 등록되며, 각각의 상기 측정 항목별 능력치는 상기 평가 항목별로 분류되어 해당 멤버쉽 함수에 입력됨 (d) 각각의 상기 멤버쉽 함수의 추론값이 해당 평가 항목에 대한 평가값을 출력되는 단계를 포함하는 것을 특징으로 한다. 이에 따라, 푸글-마이어 평가(Fugl-meyer assessment : FMA) 기법과 같은 기존의 운동 기능 평가 기법 상의 평가 항목을 사용하면서도, 퍼지 추론 기법을 기반으로 환자의 운동 기능을 보다 정밀하게 측정할 수 있다.

Description

퍼지 추론 기반의 운동 기능 평가 방법
본 발명은 퍼지 추론 기반의 운동 기능 평가 방법에 관한 것으로서, 보다 상세하게는, 환자와 같은 재활 대상자의 운동 능력을 평가하는데 있어 퍼지 추론 기법을 이용하여 보다 정확한 운동 능력의 평가가 가능한 운동 기능 평가 방법에 관한 것이다.
푸글-마이어 평가(Fugl-meyer assessment : FMA) 기법은 뇌졸중 후 운동 능력의 회복 단계를 기초로 뇌줄중 환자의 기능적 회복 정도를 양적으로 평가하는 방법에 관한 것이다.
푸글-마이어 평가는 순차적인 점수 체계를 갖고 있어, 0점은 뇌졸중 환자가 지정된 특정의 상지 운동을 수행하지 못하는 것을, 1점은 부분적으로 수행하는 것을, 2점은 완벽히 수행하는 것을 의미한다.
이와 같은 푸글-마이어 평가 기법은 운동 기능 평가에 있어, 그 타당성과 신뢰성이 높다는 이유로 많이 사용되지만, 몇 가지 문제점이 있다.
첫째, 측정자의 주관적인 판단에 따라 달라지게 되어 평가의 일관성과 객관성이 낮아질 수 있는 문제점이 있다.
둘째, 측정자가 관여하는 대면 방식으로 평가가 이루어져 평가 공간으로 이동해야 하는 번거로움이 있다.
상기와 같은 문제점을 해소하기 위해, 착용형 센서를 사용하는 기술이 제안된 바 있으나, 환자가 이물감을 느끼거나 불편함을 느낄 수 있다. 또한 근수축 현상을 가진 환자의 경우에, 장갑형 센서는 사용하기 어렵워, 범용적인 측정에 제약을 받게 된다.
이에, 다중 센서를 사용하는 운동 기능 평가 시스템이 제안된 바 있는데, 이 경우 센서의 개수는 최소화 하는 것이 바람직하다. 이는 전체 시스템의 비용을 절감할 수 있으며, 센서를 부착하는 시간을 감소시킬 수 있기 때문이다.
일 예로, 한국등록특허 제10-1814293호에 개시된 운동 기능 평가 시스템은 모션 인식 센서와, 압력 센서를 이용하여 기능 평가하는 기술을 제안하고 있다.
상기 한국등록특허에 개시된 운동 기능 평가 시스템은 모션 인식 센서를 통해 인식된 인체의 움직임에 대한 인체 정보에 기초하여, 인체에 대한 측정대상동작을 분석하여, 이를 수치화함으로써, 푸글-마이어 평가(Fugl-meyer assessment : FMA) 기법에 따른 운동 기능을 평가하는 기술을 개시하고 있다.
그러나, 푸글-마이어 평가(Fugl-meyer assessment : FMA) 기법에 따라 각 평가 항목의 점수가 0,1,2의 3단계(3 point scale)로 평가되기 때문에, 환자의 운동 기능의 정밀한 변화를 측정하기에 충분하지 않다. 이를 보완하기 위해, 별도로 운동 기능 평가 방법을 개발하는 것을 고려할 수 있으나, 현재 널리 통용되고 있는 푸글-마이어 평가(Fugl-meyer assessment : FMA) 기법을 벗어난 별도의 기법을 제안하는 것 또한, 현실적이지 못한 문제점이 있다.
[선행기술문헌]
[특허문헌]
(특허문헌 1) 국내등록특허공보 제10-1814293호
본 발명은 상기와 같은 점을 감안하여 안출된 것으로서, 본 발명의 목적은 푸글-마이어 평가(Fugl-meyer assessment : FMA) 기법과 같은 기존의 운동 기능 평가 기법을 사용하면서도, 환자의 운동 기능의 정밀한 변화를 측정할 수 있는 퍼지 추론 기반의 운동 기능 평가 방법을 제공하는데 있다.
본 발명의 목적은, 본 발명에 따라, 퍼지 추론 기반의 운동 기능 평가 방법에 있어서, (a) 인체의 움직임에 대한 인체 정보가 획득되는 단계와, (b) 상기 인체 정보에 기초하여 복수의 측정대상동작에 대해 각각 설정된 측정 항목에 측정 항목별 능력치가 검출되는 단계와, (c) 복수의 멤버쉽 함수를 갖는 퍼지 추론부에 상기 측정 항목별 능력치가 분류되어 입력되는 단계와, - 각각의 상기 멤버쉽 함수는 기 설정된 평가 기법 상의 평가 항목 각각에 대해 생성되어 등록되며, 각각의 상기 측정 항목별 능력치는 상기 평가 항목별로 분류되어 해당 멤버쉽 함수에 입력됨 (d) 각각의 상기 멤버쉽 함수의 추론값이 해당 평가 항목에 대한 평가값을 출력되는 단계를 포함하는 것을 특징으로 하는 운동 기능 평가 방법에 의해서 달성된다.
여기서, 상기 평가 기법은 푸글-마이어 평가(Fugl-meyer assessment : FMA) 기법을 포함할 수 있다.
또한, 상기 측정 항목은 완전 수행, 부분적 수행, 미수행으로 분류되는 제1 추론 유형과, 수행, 미수행으로 분류되는 제2 추론 유형과, 유지, 미유지로 분류되는 제3 추론 유형을 포함하고; 상기 제1 추론 유형에 해당하는 상기 측정 항목별 능력치는 완전 수행, 부분적 수행, 미수행에 각각 대응하여 R1, R2, R3로 부여되고; 상기 제2 추론 유형에 해당하는 상기 측정 항목별 능력치는 수행, 미수행에 각각 대응하여, R4, R5로 부여되며; 상기 제3 추론 유형에 해당하는 상기 측정 항목별 능력치는 유지, 미유지에 각각 대응하여, R6, R7으로 부여될 수 있다.
그리고, 상기 멤버쉽 함수를 구성하기 위한 복수의 퍼지 규칙은 R1, R2, R3 각각에 대해 설정되고; R4 및 R5에 대해 상기 제2 추론 유형에 속하는 측정 항목 간의 AND 또는 OR 조합에 의해 설정되며; R6, R7에 대해 상기 제3 추론 유형에 속하는 측정 항목 간의 OR 조합에 의해 설정되어 생성될 수 있다.
그리고, 각각의 상기 멤버쉽 함수는 복수의 상기 퍼지 규칙 중 적어도 2 이상의 적용되어 생성되되, 적용된 퍼지 규칙들의 합성(Aggregation)을 통해 생성될 수 있다.
그리고, 상기 퍼지 규칙 중 상기 측정 항목 간의 AND 조합의 경우 상기 퍼지 규칙 간 겹쳐진 부분의 최소값이, OR 조합인 경우 상기 퍼지 규칙 간 겹쳐진 부분의 최대값이 산출되어 합성될 수 있다.
그리고, 상기 멤버쉽 함수는 상기 퍼지 규칙 간의 합성 후 역퍼지화(De-fuzzification)되어 상기 평가값을 0~1 사이의 값으로 출력할 수 있다.
그리고, (e) 각각의 상기 멤버쉽 함수의 상기 평가값을 푸글-마이어 평가(Fugl-meyer assessment : FMA) 기법에 따른 평가값인 0, 1 또는 2 값으로 맵핑하는 단계를 더 포함할 수 있다.
본 발명에 따르면, 푸글-마이어 평가(Fugl-meyer assessment : FMA) 기법과 같은 기존의 운동 기능 평가 기법 상의 평가 항목을 사용하면서도, 퍼지 추론 기법을 기반으로 환자의 운동 기능을 보다 정밀하게 측정할 수 있는 퍼지 추론 기반의 운동 기능 평가 방법이 제공된다.
또한, 본 발명에 따르면, 정밀한 측정 결과를 푸글-마이어 평가(Fugl-meyer assessment : FMA) 기법 등과 같은 기존의 평가 기법 상의 평가 점수로 변환하여 제공함으로써, 기존 기법에 친숙한 사용자도 쉽게 확인할 수 있는 퍼지 추론 기반의 운동 기능 평가 방법이 제공된다.
도 1 및 도 2는 본 발명의 실시예에 따른 운동 기능 평가 시스템의 개략적인 구성을 나타낸 도면이고,
도 3은 본 발명의 실시예에 따른 운동 능력 평가부의 구성의 예를 나타낸 도면이고,
도 4 내지 도 7은 본 발명의 실시예에 따른 퍼지 추론부의 구성을 설명하기 위한 도면이다.
본 발명은 퍼지 추론 기반의 운동 기능 평가 방법에 있어서, (a) 인체의 움직임에 대한 인체 정보가 획득되는 단계와, (b) 상기 인체 정보에 기초하여 복수의 측정대상동작에 대해 각각 설정된 측정 항목에 측정 항목별 능력치가 검출되는 단계와, (c) 복수의 멤버쉽 함수를 갖는 퍼지 추론부에 상기 측정 항목별 능력치가 분류되어 입력되는 단계와, - 각각의 상기 멤버쉽 함수는 기 설정된 평가 기법 상의 평가 항목 각각에 대해 생성되어 등록되며, 각각의 상기 측정 항목별 능력치는 상기 평가 항목별로 분류되어 해당 멤버쉽 함수에 입력됨 (d) 각각의 상기 멤버쉽 함수의 추론값이 해당 평가 항목에 대한 평가값을 출력되는 단계를 포함하는 것을 특징으로 한다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술 분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
이하, 첨부 도면을 참조하여 본 발명에 대해 상세히 설명한다.
본 발명의 실시예에 따른 운동 기능 평가 시스템(100)은, 뇌질환을 가진 환자의 동작 특성을 분석하기 위한 시스템으로서, 일련의 측정대상동작을 평가 조건에 따라 평가 점수를 부여할 수 있다. 다만, 뇌질환을 가진 환자에 적용이 제한되는 것은 아니고, 인체의 동작 특성을 분석할 수 있는 여러 분야에도 적용할 수 있다.
도 1 및 도 2는 본 발명의 실시예에 따른 운동 기능 평가 시스템(100)의 개략적인 구성을 나타낸 도면이다.
도 1 및 도 2를 참조하여 설명하면, 본 발명의 실시예에 따른 운동 기능 평가 시스템(100)은 센싱부(110), 운동 능력 평가부(130) 및 영상 디스플레이부(150)를 포함할 수 있다.
센싱부(110)는 인체의 움직임과 손의 쥠 상태를 포함하는 인체 정보를 실시간으로 획득한다. 예를 들어, 인체 정보는 인체의 팔, 어깨, 허리, 손 등이 어느 특정 방향으로 이동, 회전, 굽힘 또는 신장되는 동작 정보를 포함할 수 있다. 이와 같은 정보를 획득하기 위해, 본 발명의 실시예에 따른 센싱부(110)는 모션 인식 센서(111)와 압력 센서(112)를 포함하는 것을 예로 한다.
모션 인식 센서(111)는, 도 2에 도시된 바와 같이, 인체를 향하여 배치되어, 인체의 관절의 위치, 관절에 인접하는 뼈의 방향 또는 손의 쥠 상태를 감지할 수 있다. 그리고, 압력 센서(112)는 인체의 손에 쥐어지고, 손의 쥠 힘을 감지할 수 있다.
상기와 같은 구조에 따라, 장갑형 센서나 관성 측정 장치(Inertial Measurement Unit : IMU)를 사용하지 않고서도, 전완팔의 회내 또는 회외 동작과 손가락의 구부림 각도 정보를 획득할 수 있으므로, 운동 기능 평가 시스템(100)에 사용되는 센서의 개수를 줄임으로써 비용을 절약할 수 있을 뿐만 아니라 센서를 부착하는 시간을 현저하게 감소시킴으로써 임상 분야의 실제적인 적용이 가능하다.
도 3은 본 발명의 실시예에 따른 운동 능력 평가부(130)의 구성의 예를 나타낸 도면이다.
도 3을 참조하여 설명하면, 본 발명의 실시예에 따른 운동 능력 평가부(130)는 데이터 분류부(131), 퍼지 추론부(132), 영상 처리부(135), 통신부(136) 및 메인 제어부(134)를 포함할 수 있다. 또한 본 발명의 실시예에 따른 운동 능력 평가부(130)는 출력 맵핑부(133) 및 사용자 입력부(137)를 더 포함할 수 있다.
본 발명의 실시예에 따른 데이터 분류부(131)는 통신부(136)를 통해 수신되는 센싱부(110)의 센싱 결과를 복수의 측정대상동작에 대해 각각 설정된 측정 항목별로 분류한다. 예를 들어, 모션 인식 센서(111)에 의해 촬영된 영상으로부터 측정대상동작을 분석하고, 해당 똥작을 측정 항목별로 분류할 수 있다.
여기서, 본 발명의 실시예에서는 운동 기능 평가에 푸글-마이어 평가(Fugl-meyer assessment : FMA) 기법이 적용되는 것을 예로 하는 바, 푸글-마이어 평가(Fugl-meyer assessment : FMA) 기법 상의 평가 항목 각각에 대해 적용될 측정 항목을 평가 항목에 따라 분류하는 것을 예로 한다.
본 발명의 실시예에 따른 퍼지 추론부(132)는 데이터 분류부(131)에 의해 측정 항목별로 분류된 데이터에 기초하여, 해당 측정 항목에 대한 능력치를 검출한다. 즉, 퍼지 추론부(132)는 측정 항목별로 측정 항목별 능력치를 검출할 수 있다.
그리고, 퍼지 추론부(132)는 기 등록된 복수의 멤버쉽 함수에 측정 항목별 능력치를 입력하고, 각각의 멤버쉽 함수의 추론값, 즉 출력값을 평가값으로 출력하게 된다.
본 발명의 실시예에서는 각각의 멤버쉽 함수가 평가 기법, 예컨대 상술한 푸글-마이어 평가(Fugl-meyer assessment : FMA) 기법 상의 평가 항목 각각에 대해 생성되어 등록되는 것을 예로 한다. 그리고, 측정 항목별 능력치는 평가 항목별로 분류되어 해당 멤버쉽 함수에 입력되는 것을 예로 한다.
이하에서는 본 발명의 실시예에 따른 퍼지 추론부(132)에 등록된 복수의 멤버쉽 함수에 대해 상세히 설명한다.
푸글-마이어 평가(Fugl-meyer assessment : FMA) 기법을 예로 하면, 푸글-마이어 평가(Fugl-meyer assessment : FMA) 기법 상의 평가 항목은 T1, T2, T3로 구성된다.
T1은 "elbow extension during hand to knee"로 정의될 수 있으며, 앉은 자세에서 환측 상지를 환측 귀에 가져가도록 하는 운동을 통해 운동 능력이 평가될 수 있다.
T2는 "shoulder abduction 0-90°"로 정의될 수 있으며, 팔꿈치를 편 상태, 전완부 회전을 하지 않은 상태(pronation과 supination의 중간 상태)를 유지하면서 shoulder를 90°까지 들어 올리는 운동을 통해 운동 능력이 평가될 수 있다.
T3는 "shoulder abduction + internal rotation during hand to knee"로 정의될 수 있으며, T1 자세에서 환측 상지를 건측 무릎으로 향하도록 하는 운동을 통해 운동 능력이 평가될 수 있다.
본 발명의 실시예에서는 상기와 같이 푸글-마이어 평가(Fugl-meyer assessment : FMA) 기법의 T1, T2, 및 T3를 평가 항목으로 설정하여 멤버쉽 함수를 구성하는 것을 예로 하는데, 즉 T1에 대응하는 멤버쉽 함수, T2에 대응하는 멤버쉽 함수, 그리고 T3에 대응하는 멤버쉽 함수가 퍼지 추론부(132)에 등록되어, T1, T2, 및 T3 각각에 대한 평가값이 각 멤버쉽 함수에서 출력되는 것을 예로 한다.
한편, 각각의 멤버쉽 함수의 입력으로 적용될 측정 항목별 능력치는 앞서 설명한 바와 같이, 측정 항목별로 검출된다. 여기서, 본 발명의 실시예에서는 측정 항목이 제1 추론 유형, 제2 추론 유형, 그리고 제3 추론 유형으로 구분되는 것을 예로 한다.
제1 추론 유형은 측정 항목에 해당하는 측정대상동작이 완전 수행, 부분적 수행, 그리고 미수행(즉, 수행되지 않음)으로 분류될 수 있는 동작을 포함할 수 있다.
그리고, 제2 추론 유형은 측정 항목에 해당하는 측정대상동작이 수행과 미수행으로 분류될 수 있는 동작을 포함할 수 있다.
마지막으로, 제3 추론 유형은 측정 항목에 해당하는 측정대상동작이 유지와 미유지(즉, 유지되지 않음)로 분류될 수 있는 동작을 포함할 수 있다.
도 4는 본 발명의 실시예에 따른 퍼지 추론부(132)에서 멤버쉽 함수의 퍼지 입력 변수를 설명하기 위한 도면이다. 도 4에 도시된 바와 같이, 푸글-마이어 평가(Fugl-meyer assessment : FMA) 기법의 평가 항목 각각은 추론 유형 중 적어도 하나씩이 매칭되어 있으며, 각각의 평가 항목에는 적어도 하나의 측정 항목이 그 입력으로 사용될 수 있다.
그리고, 앞서 설명한 바와 같이, 제1 추론 유형에 해당하는 측정 항목별 능력치는 완전 수행, 부분적 수행, 미수행에 각각 대응하여 R1, R2, R3로 부여되는 것을 예로 한다.
그리고, 제2 추론 유형에 해당하는 측정 항목별 능력치는 수행, 미수행에 각각 대응하여, R4, R5로 부여되는 것을 예로 하며, 제3 추론 유형에 해당하는 측정 항목별 능력치는 유지, 미유지에 각각 대응하여, R6, R7으로 부여되는 것을 예로 한다. 여기서, R1 내지 R7는 멤버쉽 함수의 퍼지 입력의 인덱스(Index)가 된다.
도 5는 본 발명의 실시예에 따른 멤버쉽 함수에 적용되는 퍼지 규칙의 예를 나타낸 도면이다.
도 5에 도시된 바와 같이, 퍼지 규칙은 퍼지 규칙은 퍼지 입력 R1, R2, R3 각각에 대해 설정되고, R4 및 R5에 대해 제2 추론 유형에 속하는 측정 항목 간의 AND 또는 OR 조합에 의해 설정되며, R6, R7에 대해 제3 추론 유형에 속하는 측정 항목 간의 OR 조합에 의해 설정되어 생성되는 것을 예로 한다.
그리고, 각 퍼지 규칙에 대한 출력은 S1, S2, S3로 설정되는데, 푸글-마이어 평가(Fugl-meyer assessment : FMA) 기법에 대응하여, S1은 2점, S2는 1점, S3는 0점으로 설정되는 것을 예로 한다.
도 6은 각각의 퍼지 규칙에 적용될 제1 추론 유형, 제2 추론 유형 그리고, 제3 추론 유형에 대응하는 멤버쉽 함수의 예를 나타낸 도면이다.
그리고, 각각의 평가 항목에 해당하는 멤버쉽 함수는 해당 평가 항목에 적용되는 퍼지 규칙의 합성(Aggregation)을 통해 생성되는 것을 예로 한다.
즉, 평가 항목 중 T1에 해당하는 평가 항목의 멤버쉽 함수는, 도 5에 도시된 3개의 퍼지 규칙에 해당하는 멤버쉽 함수의 합성을 통해 생성되며, T2는 5개의 퍼지 규칙에 해당하는 멤버쉽 함수의 합성을 통해 생성되며, T3는 5개의 퍼지 규칙에 해당하는 멤버쉽 함수의 합성을 통해 생성된다.
도 7은 평가 항목에 대한 멤버쉽 함수를 생성하기 위한 합성의 예를 나타낸 도면이다. 본 발명의 실시예에서는 퍼지 규칙 중 측정 항목 간의 AND 조합의 경우 퍼지 규칙 간 겹쳐진 부분의 최소값이, OR 조합인 경우 퍼지 규칙 간 겹쳐진 부분의 최대값이 산출되어 합성되는 것을 예로 한다.
그리고, 본 발명의 실시예에서는 퍼지 규칙에 대한 멤버쉽 함수의 합성 후에 이를 역퍼지화(De-fuzzification)하여, 평가값을 수치화하게 된다. 본 발명의 실시예에서는 평가값이 0~1 사이의 값으로 출력되는 것을 예로 한다.
상기와 같은 과정을 통해, 측정 항목별 능력치가 퍼지 추론부(132)의 해당하는 멤버쉽 함수에 입력되면, 퍼지 추론 과정을 통해, 각 멤버쉽 함수별로, 즉 FMA 평가 항목별로 0~1 사이의 값으로 출력되어, 단지, 0, 1, 2의 값 중 어느 하나로 표현되는 기존의 FMA 평가값들보다 보다 정밀한 평가가 가능하게 된다.
여기서, 본 발명의 실시예에 따른 출력 맵핑부(133)는 각각의 멤버쉽 함수의 평가값을 푸글-마이어 평가(Fugl-meyer assessment : FMA) 기법에 따른 평가값인 0, 1 또는 2 값으로 맵핑하여, 출력할 수 있다. 즉, 메인 제어부(134)는 사용자 입력부(137)을 통한 사용자의 요청이나 자동으로, 출력 맵핑부(133)가 멤버쉽 함수의 평가값을 0, 1, 또는 2 값으로 맴핑하도록 제어하며, 영상 처리부(135)를 통해 해당 영상을 생성하여, 영상 디스플레이부(150)를 통해 표시할 수 있다.
이를 통해, 기존의 평가 기법 상의 평가 점수로 변환하여 제공함으로써, 기존 기법에 친숙한 사용자도 쉽게 확인할 수 있게 된다.
이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.
본 발명은 환자의 재활 분야에 적용 가능하다.

Claims (8)

  1. 퍼지 추론 기반의 운동 기능 평가 방법에 있어서,
    (a) 인체의 움직임에 대한 인체 정보가 획득되는 단계와,
    (b) 상기 인체 정보에 기초하여 복수의 측정대상동작에 대해 각각 설정된 측정 항목에 측정 항목별 능력치가 검출되는 단계와,
    (c) 복수의 멤버쉽 함수를 갖는 퍼지 추론부에 상기 측정 항목별 능력치가 분류되어 입력되는 단계와, - 각각의 상기 멤버쉽 함수는 기 설정된 평가 기법 상의 평가 항목 각각에 대해 생성되어 등록되며, 각각의 상기 측정 항목별 능력치는 상기 평가 항목별로 분류되어 해당 멤버쉽 함수에 입력됨
    (d) 각각의 상기 멤버쉽 함수의 추론값이 해당 평가 항목에 대한 평가값을 출력되는 단계를 포함하는 것을 특징으로 하는 운동 기능 평가 방법.
  2. 제1항에 있어서,
    상기 평가 기법은 푸글-마이어 평가(Fugl-meyer assessment : FMA) 기법을 포함하는 것을 특징으로 하는 운동 기능 평가 방법.
  3. 제2항에 있어서,
    상기 측정 항목은
    완전 수행, 부분적 수행, 미수행으로 분류되는 제1 추론 유형과,
    수행, 미수행으로 분류되는 제2 추론 유형과,
    유지, 미유지로 분류되는 제3 추론 유형을 포함하고;
    상기 제1 추론 유형에 해당하는 상기 측정 항목별 능력치는 완전 수행, 부분적 수행, 미수행에 각각 대응하여 R1, R2, R3로 부여되고;
    상기 제2 추론 유형에 해당하는 상기 측정 항목별 능력치는 수행, 미수행에 각각 대응하여, R4, R5로 부여되며;
    상기 제3 추론 유형에 해당하는 상기 측정 항목별 능력치는 유지, 미유지에 각각 대응하여, R6, R7으로 부여되는 것을 특징으로 하는 운동 기능 평가 방법.
  4. 제3항에 있어서,
    상기 멤버쉽 함수를 구성하기 위한 복수의 퍼지 규칙은
    R1, R2, R3 각각에 대해 설정되고;
    R4 및 R5에 대해 상기 제2 추론 유형에 속하는 측정 항목 간의 AND 또는 OR 조합에 의해 설정되며;
    R6, R7에 대해 상기 제3 추론 유형에 속하는 측정 항목 간의 OR 조합에 의해 설정되어 생성되는 것을 특징으로 하는 운동 기능 평가 방법.
  5. 제4항에 있어서,
    각각의 상기 멤버쉽 함수는
    복수의 상기 퍼지 규칙 중 적어도 2 이상의 적용되어 생성되되, 적용된 퍼지 규칙들의 합성(Aggregation)을 통해 생성되는 것을 특징으로 하는 운동 기능 평가 방법.
  6. 제5항에 있어서,
    상기 퍼지 규칙 중 상기 측정 항목 간의 AND 조합의 경우 상기 퍼지 규칙 간 겹쳐진 부분의 최소값이, OR 조합인 경우 상기 퍼지 규칙 간 겹쳐진 부분의 최대값이 산출되어 합성되는 것을 특징으로 하는 운동 기능 평가 방법.
  7. 제6항에 있어서,
    상기 멤버쉽 함수는 상기 퍼지 규칙 간의 합성 후 역퍼지화(De-fuzzification)되어 상기 평가값을 0~1 사이의 값으로 출력하는 것을 특징으로 하는 운동 기능 평가 방법.
  8. 제7항에 있어서,
    (e) 각각의 상기 멤버쉽 함수의 상기 평가값을 푸글-마이어 평가(Fugl-meyer assessment : FMA) 기법에 따른 평가값인 0, 1 또는 2 값으로 맵핑하는 단계를 더 포함하는 것을 특징으로 하는 운동 기능 평가 방법.
PCT/KR2021/019690 2021-11-24 2021-12-23 퍼지 추론 기반의 운동 기능 평가 방법 WO2023096015A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2021-0163139 2021-11-24
KR1020210163139A KR102705144B1 (ko) 2021-11-24 2021-11-24 퍼지 추론 기반의 운동 기능 평가 방법

Publications (1)

Publication Number Publication Date
WO2023096015A1 true WO2023096015A1 (ko) 2023-06-01

Family

ID=86539831

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/019690 WO2023096015A1 (ko) 2021-11-24 2021-12-23 퍼지 추론 기반의 운동 기능 평가 방법

Country Status (2)

Country Link
KR (1) KR102705144B1 (ko)
WO (1) WO2023096015A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005348779A (ja) * 2004-06-08 2005-12-22 Asahi Kasei Engineering Kk 運動機能回復訓練システム
JP2009113717A (ja) * 2007-11-08 2009-05-28 Fuji Heavy Ind Ltd 状態推定システム
JP2018033949A (ja) * 2016-08-24 2018-03-08 パナソニックＩｐマネジメント株式会社 運動機能推定情報生成装置、運動機能推定システム、運動機能推定情報生成方法、運動機能推定方法及び記録媒体
KR20190023576A (ko) * 2017-08-29 2019-03-08 (주)맨엔텔 재활 치료 기기를 이용한 환자의 상지 기능 평가 방법
KR20210054349A (ko) * 2019-11-05 2021-05-13 대한민국(국립재활원장) 환자의 상지 동작에 의해 도출되는 특징값을 이용한 임상평가척도 예측 방법

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101814293B1 (ko) 2016-11-07 2018-01-02 재단법인대구경북과학기술원 운동 기능 평가 시스템
KR102133186B1 (ko) * 2019-01-31 2020-07-13 한국기술교육대학교 산학협력단 재활 운동 시스템

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005348779A (ja) * 2004-06-08 2005-12-22 Asahi Kasei Engineering Kk 運動機能回復訓練システム
JP2009113717A (ja) * 2007-11-08 2009-05-28 Fuji Heavy Ind Ltd 状態推定システム
JP2018033949A (ja) * 2016-08-24 2018-03-08 パナソニックＩｐマネジメント株式会社 運動機能推定情報生成装置、運動機能推定システム、運動機能推定情報生成方法、運動機能推定方法及び記録媒体
KR20190023576A (ko) * 2017-08-29 2019-03-08 (주)맨엔텔 재활 치료 기기를 이용한 환자의 상지 기능 평가 방법
KR20210054349A (ko) * 2019-11-05 2021-05-13 대한민국(국립재활원장) 환자의 상지 동작에 의해 도출되는 특징값을 이용한 임상평가척도 예측 방법

Also Published As

Publication number Publication date
KR102705144B1 (ko) 2024-09-11
KR20230076322A (ko) 2023-05-31

Similar Documents

Publication Publication Date Title
WO2019208848A1 (ko) 3차원 안구 움직임 측정 방법 및 전자동 딥러닝 기반 어지럼 진단 시스템
Harm et al. Smash: A distributed sensing and processing garment for the classification of upper body postures
Wade et al. Automated administration of the wolf motor function test for post-stroke assessment
WO2012165880A9 (ko) 재활 운동 장치, 재활 운동 장치에서의 능동 보조 제어 방법 및 장치, 모바일 연동 장갑형 데이터 입력 장치
WO2009112281A1 (en) Garment integrated apparatus for online posture and body movement detection, analysis and feedback
WO2021225249A1 (ko) 보행 분석 시스템 및 방법
WO2022225199A1 (ko) 카메라 기반 생체 징후 데이터 추출과 전자 문진을 통한 비대면 건강상태 측정 시스템 및 그 방법
WO2021096162A1 (ko) 심장신호 처리장치 및 방법, 이를 포함하는 모니터링 시스템
WO2005041770A1 (ja) 乳児運動解析システムおよび乳児運動解析方法
Formstone et al. Quantification of motor function post-stroke using novel combination of wearable inertial and mechanomyographic sensors
WO2023022507A1 (ko) 2개 유도의 비동시적 심전도를 기반으로 동시적 심전도를 생성하는 방법
Li et al. Quantitative assessment of hand motor function for post-stroke rehabilitation based on HAGCN and multimodality fusion
WO2023096015A1 (ko) 퍼지 추론 기반의 운동 기능 평가 방법
Saggio et al. Sensory systems for human body gesture recognition and motion capture
WO2021145721A2 (ko) 기계학습을 이용한 수면무호흡증 진단방법
WO2024071564A1 (ko) 3차원 보행신호 기반 노인성 인지장애 진단 장치 및 방법
Jung et al. Walking-in-place characteristics-based geriatric assessment using deep convolutional neural networks
WO2023128455A1 (ko) 원격 ppg 방식을 이용하여 스트레스 지수를 측정하기 위한 디지털 헬스케어 장치
CN116999057A (zh) 基于穿戴式传感器的偏瘫步态识别及偏瘫步态评估方法
WO2023121376A1 (ko) 이미지를 이용하여 임상 평가 정보를 제공하는 방법 및 장치
WO2023058946A1 (ko) 시계열 기침음, 호흡음, 낭독음, 발성음 측정을 통한 호흡기 질환 예후 예측시스템 및 방법
CN114093488A (zh) 一种基于骨骼识别的医生技能水平评判方法和装置
WO2022131842A1 (ko) 관절염 진단 장치, 관절염 진단 방법, 및 컴퓨터 판독 가능한 기록 매체
Abbas et al. Can multiple wearable sensors be used to detect the early onset of Parkinson's Disease?
WO2023195554A1 (ko) 녹내장 위험도 진단 장치 및 방법

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21965798

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE