기계학습 기반 보행 재활 로봇 및 FES 제어 연구

Machine Learning–based Gait Rehabilitation Robotics and FES Control

연구 내용

환자 의지 근육활동을 기반으로 PAFO와 FES 또는 근육-근육 인터페이스를 단계에 맞게 조정하여 보행 재활의 참여도를 높이는 연구

뇌졸중 환자의 보행 재활에서 기능적 전기자극(Functional electrical stimulation, FES)과 로봇 보조를 결합하는 제어를 연구합니다. 생체역학 시뮬레이션으로 얻은 관절 각도와 임피던스 프로파일을 PAFO에 적용하고, 건강인 보행 데이터 기반의 근전도 패턴을 개인화하여 자극 패턴을 설계합니다. 또한 환자 근전도와 의지 참여도를 추정하는 모델을 통해 PAFO와 FES의 기여도를 조율하고, 보행 지표를 센서로 추정하여 재활 진행을 해석합니다.

관련 프로젝트

0건

연구 흐름

초기에는 근전도 기반 예측을 통해 FES 제어 규칙을 학습하고, 보행 단계에서 자극 신호를 안정적으로 생성하는 알고리즘을 구축했습니다. 이후 PAFO의 구동 특성과 FES의 자극 패턴을 동시에 고려하는 하이브리드 제어로 확장하여, 환자 의지 참여도에 따라 보조 강도를 적응적으로 조정하는 흐름으로 발전했습니다. 최근에는 근육-근육 인터페이스 기반 로봇 재활 시스템과 UWB 기반 보행 파라미터 추정으로, 재활 단계 맞춤형 운동 제공과 객관적 성과 해석을 함께 수행하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

환자 의지 기반 보행 재활 보조기
단계별 FES 자극 개인화 모듈
근육-근육 인터페이스 재활 장치
재활 진행도 모니터링용 보행 지표 추정
참여도 기반 assist-as-needed 제어
재활 임상용 센서 기반 평가 시스템
저비용 보행 분석 웨어러블 구성
보행 장애 진단 보조 알고리즘
재활 운동 모드 전환 제어 로직
가정용 재활 로봇 운영 프로토콜