Gait and freezing of gait (FOG) for early detection and severity classification in Parkinson’s disease
연구 내용
다양한 보행 속도와 time-series 기반 영상 특징을 활용해 파킨슨병의 조기 단계와 중증도를 분류하고, 동결 보행 관련 신체 부위를 판별하는 연구입니다.
파킨슨병 환자에서 보행 패턴은 운동 증상의 진행을 반영하므로, 연속 보행 구간과 회전 과제에서 얻는 spatiotemporal 특징을 정량화하여 진단 보조 신호로 활용합니다. 보행 속도 조건별 보폭 및 변동성과 같은 특징을 추출하고, convolutional neural network 기반 time-series imaging으로 영향을 받는 신체 분절 및 동결 보행 관련 표지(marker)를 탐색합니다. 이를 통해 조기 단계 구분과 FOG 보조 평가가 가능한 분류 체계를 구축하는 데 차별성을 둡니다.
관련 연구 성과
관련 논문
2편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기에는 보행 검사에서 속도 조건을 달리하며 stride length와 변동성 지표가 단계 구분에 기여하는지 확인하고, 전통적 머신러닝 분류기의 성능을 비교하는 방향으로 연구를 수행했습니다. 이후 회전 360° 과제에서 위치와 가속도 데이터를 전처리한 뒤 time-series imaging 형태로 확장하여 신체 부위 수준의 판별 단서를 도출하는 연구로 발전했습니다. 최근에는 조기 진단과 FOG 보조 평가를 함께 지원할 수 있도록, 과제-표지-분류 모델의 연결성을 강화하는 흐름을 보입니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Machine learning for early detection and severity classification in people with Parkinson’s disease
Deep learning-based detection of affected body parts in Parkinson’s disease and freezing of gait using time-series imaging