Core Concepts
단일 허리 착용 3축 가속도계와 트랜스포머 기반 분류 알고리즘을 활용하여 일상생활 환경에서 파킨슨병 환자의 동결보행 감지 성능을 향상시킬 수 있다.
Abstract
이 연구는 파킨슨병 환자 21명의 일상생활 데이터를 활용하여 동결보행 감지 성능 향상 방법을 제안하였다.
주요 내용은 다음과 같다:
단일 허리 착용 3축 가속도계를 사용하여 데이터를 수집하였다.
다양한 기계학습 및 딥러닝 기반 분류 알고리즘을 평가하였다.
기존 방법 대비 향상된 성능을 보이는 트랜스포머 기반 분류 모델(FOG-Transformer)을 제안하였다.
동결보행 에피소드 및 클러스터 탐지를 위한 후처리 방법론을 개발하였다.
제안된 방법은 실제 일상생활 환경에서의 동결보행 모니터링에 활용될 수 있을 것으로 기대된다.
Stats
동결보행 에피소드의 대부분은 10초 미만의 짧은 지속시간을 가진다.
전체 신호 중 10.5%가 동결보행 구간이며, 89.5%가 일상 활동 구간이다.
Quotes
"동결보행은 파킨슨병 환자에게 가장 장애가 되는 증상 중 하나로, 환자의 50% 이상에서 나타난다."
"동결보행 평가는 임상 현장에서 어려움이 있는데, 이는 최적의 동결보행 점수 부재와 평가 시 동결보행 발생이 어려운 조건 때문이다."