우리는 파킨슨병(Parkinson's disease, PD) 및 보행동결(freezing of gait, FOG)을 가진 사람들에서 360° 회전 과제 동안 영향을 받은 신체 부위를 탐지하고 구분하기 위해 시계열(time-series, TS) 이미지를 기반으로 하는 순환신경망(convolutional neural network, CNN)을 활용한 딥러닝 방법을 제안하였다. 360° 회전 과제는 90명의 참가자(파킨슨병 환자 60명[동결자 30명 및 비동결자 30명]과 연령이 일치한 고령 성인 30명[대조군])가 자신의 선호 속도로 수행하였다. 위치와 가속도는 전처리를 거쳤다. 분석은 시간적 데이터에서 시각적 데이터로 확장되었으며, 이를 위해 TS 영상화(TS imaging) 방법을 사용하였다. PD 대 대조군 분류에 따르면, 영향을 덜 받은 쪽(least affected side, LAS)에서의 외측 종아리 하부 1/3 (right third of the lateral shank, RTIB)과 LAS에서의 우측 종골(right calcaneus, RHEE)이 위치 및 가속도 TS 이미지에서 가장 관련 있는 신체 분절이었다. RHEE 마커는 가속도 TS 이미지에서 가장 높은 정확도를 보였다. 동결자 vs. 비동결자 vs. 대조군의 분류를 위한 식별된 마커는 더 영향을 받은 쪽(more affected side)에서의 좌측 외측 상과(left lateral humeral epicondyle, LELB)와 좌측 후방 상장골극(left posterior superior iliac spine, LPSI)이었다. 가속도 TS 이미지에서 LPSI 마커가 가장 높은 정확도를 나타냈다. 본 접근법은 PD 중증도와 FOG를 결정하는 데 유용한 보조 도구가 될 수 있다.
*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.