뇌졸중은 운동 기능의 상실, 일상생활 활동 수행의 불가능, 그리고 궁극적으로 삶의 질 저하를 초래하는 장애를 일으키는 질환이다. 로봇 기반 재활은 기존 재활보다 더 효과적인 방법이지만, 로봇이 환자의 자발적 움직임을 보조할 수 있도록 환자의 의도를 정확히 인식할 필요가 있다. 본 연구는 만성 뇌졸중 환자를 대상으로 고밀도 근전도(HD-EMG)를 사용하여 손 악물기(hand grasp) 동작 의도를 인식하는 데 초점을 두었다. 연구는 3명의 만성 뇌졸중 환자와 함께 수행되었으며, 손 악물기 동작에 관련된 근육들로부터 HD-EMG 신호를 기록하였다. 적응형 발현(onset) 검출 알고리즘을 사용하여 손 악물기 동작의 시작을 정확하게 식별하였고, 4가지 악물기 동작 중 하나로 HD-EMG 신호를 분류하기 위해 합성곱 신경망(CNN)을 학습하였다. 3명의 대상자에서 악물기 발현 검출의 평균 참양성률과 거짓양성률은 각각 91.6%와 9.8%였으며, 학습된 CNN은 악물기 동작을 평균 정확도 76.3%로 분류하였다. 결과는 HD-EMG를 사용하면 만성 뇌졸중 환자에서 손 악물기 동작 의도를 정확하게 인식할 수 있음을 보여주었고, 이는 효과적인 로봇 기반 재활의 가능성을 강조한다.
*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.