본 연구에서는 뇌졸중 후 편마비 환자의 보행 재활을 향상시키기 위한 새로운 기계학습 기반 기능적 전기자극(functional electrical stimulation, FES) 제어 알고리즘을 제안하였다. 마비된 쪽의 근육에 대한 전기자극은 딥 뉴럴 네트워크를 통해 제어하였으며, 해당 네트워크는 보행 중 건강한 사람의 근활성 데이터로 학습하였다. 개발된 시스템의 성능을 기존의 FES 제어 방법과 비교하여 건강한 인간 대상자들을 통해 시험하였다.

보행 장애는 환자의 삶의 질을 저하시킬 수 있다. 굽은 보행 패턴의 원인 요인인 드롭풋(drop foot)은 환자가 발앞부분을 몸 쪽으로 들어 올리지 못하게 한다. 따라서 드롭풋에 대한 가장 흔한 치료인 가볍고 컴팩트한 발목-발 보조기(ankle–foot orthosis, AFO)는, 하지를 지지하는 근육 기능이 저하된 환자에게 특히 설계되어야 하는데, 이들의 발에 1.96 N의 하중이 가해질 때 산소 소비량이 30% 증가하기 때문이다. 또한 보행 주기(gait cycle, GC)의 처음 10%에서 발목 각도의 제한된 범위는, 건강한 사람들에 비해 드롭풋 환자에게 주요한 단점이다. 이러한 제한된 발목 각도 범위는 형상기억합금(shape memory alloy, SMA) 구동기(actuator)로 구성된 AFO(SMA-AFO)에서 지지력을 확보함으로써 개선될 수 있다. 따라서 본 연구에서는 SMA를 사용하여 AFO의 중량을 줄이기 위한 연성 구동기를 제작하였다. 보행 위상의 연속적인 검출을 위해 적응 주파수 발진기(adaptive frequency oscillator, AO)를 실시간으로 구현하였다. 참가자(N = 3)에게 SMA-AFO를 부착한 상태에서 트레드밀에서 보행 검사를 수행하였다. 실험 결과, 참가자들은 보행 주기 처음 10% 구간에서 발목 각도 8.75°일 때 배측굴곡(dorsiflexion) 방향으로 발앞부분을 들어 올릴 수 있었다. 또한 SMA 구동기를 작동하는 데 필요한 전류는 GC의 45.3% 구간에 대해서만 공급될 수 있어, 전력 소비가 감소하였다. 따라서 제안된 SMA-AFO는 드롭풋 환자에게 사용할 수 있다.