요추부 척추의 만곡(curvature)을 모니터링하는 것은 물리치료 및 재활을 받는 개인, 그리고 스포츠 의학 분야에서 요통 및 기타 척추 질환의 발생을 파악하는 데 중요하다. 특히 습관적으로 잘못된 척추 만곡을 인지하고 예방하기 위해서는 적절한 측정 시스템이 필요하다. 본 연구에서는 네 개의 유연 센서와 세 개의 관성측정장치(inertial measurement unit, IMU) 센서를 기계 학습과 통합한 웨어러블 지능형 감지 시스템을 개발하였다. 제안된 시스템은 성능 평가를 위해 20명의 피험자에게서 시험되었다. 실험에서는 대상(target)으로 5개 클래스를 설정하여 11가지 자세를 평가하였다. 추출된 특징(features)을 기반으로 척추 사건(spine events)을 탐지하기 위한 분류 알고리즘을 구축하고, 일곱 가지 서로 다른 센서 신호의 조합을 바탕으로 52개의 특징을 생성하기 위한 특징 추출 알고리즘을 제안하였다. 척추 만곡의 5개 수준을 분류하는 정확도는 전체적으로 99.38 %였으며, 10-fold 교차 검증 시험에서는 99.79 %였다. 제안된 방법은 개인별 맞춤 보정(personalized calibrations) 없이도 척추 만곡 클래스 수준을 추정할 수 있다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.