뇌졸중 후 상지 기능의 성공적인 회복을 위해서는 재활 훈련이 필수적이다. 훈련 프로그램은 통상 병원이나 재활 센터에서 전문 의료진의 감독 하에 수행된다. 그러나 병원을 자주 방문하는 것은 거동이 제한된 뇌졸중 환자에게 부담이 될 수 있다. 본 연구에서는 환자가 도달-잡기(reach-to-grasp) 과제를 수행하는 자신의 영상을 주기적으로 업로드하여 자가 관리 운동에 대한 권고 또는 진행 보고를 받을 수 있는 모바일 애플리케이션 기반의 자기주도 재활 시스템을 고안하였다. 가정 환경에서는 카메라 외의 센싱 장비가 대체로 이용 불가능하다. 본 연구의 핵심 기여는 영상 데이터만으로 학습되는 딥러닝 기반 평가 모델을 제안하는 데 있다. 모든 환자가 동일한 과제를 수행하므로, 과제 수행에 대한 정밀한 평가가 요구된다. 본 모델은 RGB와 광류(optical flow) 데이터를 상호 보완적으로 학습함으로써 이러한 어려움을 해결한다. RGB 데이터와 광류 데이터 간의 상관관계는 트랜스포머(Transformers)를 이용한 교차-주의(cross-attention) 기반의 새로운 모달리티 융합 모듈로 포착한다. 실험 결과, 본 모델은 동작 인식(action recognition)을 위한 기존 방법에 비해 운동 평가에서 더 높은 정확도를 달성하였다. 평가 모델을 기반으로, 본 연구진은 편마비(hemiplegia)를 위한 상지 운동의 환자 중심 솔루션 기반 모바일 애플리케이션을 개발하였으며, 난이도 3단계로 57가지 운동을 권고할 수 있다. 본 애플리케이션의 시제품은 잠재적 최종 사용자를 대상으로 평가되었고, 모바일 애플리케이션 평가 척도(Mobile Application Rating Scale, MARS)에서 좋은 품질 점수를 획득하였다.

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