근전도 기반 뇌졸중 환자의 손목 움직임 인식에 관한 연구

Abstract

컴퓨터와 인간의 소통은 컴퓨터를 보다 효율적이고 원활하게 사용하기 위한 중요한 요소이며, 최근에 이를 위한 컴퓨터·인간의 상호 작용에 관한 연구가 높은 인기와 함께 많은 연구자들에 의해 진행되고 있다. 특히 ECG, EEG, EOG, EMG등의 생체신호는 인간의 의지에 따라 별도의 학습과정이 필요 없으며, 간단하고 자연스럽게 획득이 가능하여 최근에 떠오르는 인간 컴퓨터 간의 인터페이스이다. 이중 근전도(EMG) 신호는 인간의 의도를 잘 표현할 수 있어서 장애인들이 시스템을 보다 편하게 제어할 수 있게 해주기 때문에 다양한 분야에서 응용이 되고 있다. 이를 위해서는 근전도 신호의 인식이 선행이 되어야 하지만, 대부분의 연구는 정상인 및 절단 환자들을 대상으로 진행이 되어 왔으며, 근전도 신호 인식 기술이 뇌졸중 환자의 재활치료에 적용된 경우는 많지 않다. 본 논문에서는 뇌졸중 환자의 재활시스템 개발을 위한 기초 연구로서 뇌졸중 환자를 위한근전도 신호 기반의 손목 운동 인식에 관한 연구를 목적으로 한다. 기존의 근전도 신호 기반손목 동작 인식 시스템은 뇌졸중 환자에게서 일반적으로 나타나는 공력패턴 현상을 반영하지 못하기 때문에 인식률 측면에서 낮은 성능을 보여주고 있다. 하지만, 본 논문에서는 뇌졸중 환자의 공력패턴 현상을 잘 반영할 수 있는 특징 집합의 추출방법을 제안한다. 제안하는 특징 집합은 각 근육 별 측정된 신호의 실효치 값의 비를 이용하기 때문에 공력 패턴 현상을 잘 반영할 수 있고, 또한 근육간의 관계에 관한 정보를 포함하기 때문에 기존의 특징 집합에 비해 보다 많은 정보를 포함할 수 있다. 그리고 공력패턴 현상에 의해 나타나는 특정 클래스 쌍의 분류에 있어서의 문제점을 해결하기 위해 각 네트워크에 특정 특징 요소만을 입력으로 하는 수정된 커미티 머쉰을 제안하였다. 본 논문에서 제안하는 방법의 타당성을 검증하기 위해 실제 뇌졸중을 앓고 있는 4명의 환자들부터 취득한 근전도 신호를 이용하여 클래스 분리도 및 특징 선택도 측면에서 기존 특징 집합과 함께 비교 검증을 수행하였고 제안하는 특징 집합 추출 방법이 다른 특징 집합들에 비해 우수함을 확인 할 수 있었다. 실제 뇌졸중 환자의 손목 움직임 인식에 있어서도 기존의 방법에 비해 향상된 인식률을 얻을 수 있었으며, 특히 기존의 방법에서 취약했던 특정 클래스 쌍의 분류에서 제안하는 방법을 사용하였을 경우 상당히 향상된 결과를 얻을 수 있었다.