치매 환자의 보행 향상을 위한 강화학습 알고리즘 적용방안에 관한 연구
A Study on the Application of Reinforcement Learning Algorithm to Improve Walking in Dementia Patients
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
고령화 사회의 대표적인 문제인 치매 환자 증가에 따른 비정상적인 보행 문제를 효과적으로 해결하기 위하여 본 연구를 진행하였다. 치매 환자들의 보행은 비정상적인 보행 패턴에서 발생하며, 뇌를 비롯한 여러 인체 구조에 치명적인 질병을 유발시킬 수 있다. 따라서 치매 환자의 경우 세밀한 보행 분석이 요구되며, 문제의 발생 원인을 파악하고 문제를 해결하기 위한 방안이 필요하다. 따라서 본 연구에서는 치매 환자의 보행상태를 호전시키기 위한 방법으로 기존의 보행 분석 시스템 내에 강화학습 알고리즘을 적용하는 방안을 연구하였다. 강화학습 알고리즘은 환자가 보행을 수행하는 동안 발생하는 상태와 행동에 대해서 보행상태별 관절 범위와 보행변수의 변화량을 관절 정상 범위와의 격차를 통해 계산하게 된다. 이를 통해 본 시스템은 환자의 보행 운동 피드백을 자동으로 수행할 수 있다. 이러한 피드백은 정상적인 보행 패턴의 학습과 보행 최적화를 수행할 수 있을 것으로 기대된다. 향후 연구로는 다양한 증상의 치매 환자를 대상으로 보행 관련 빅데이터를 수집하여 환자별 맞춤 보행 치료에 활용할 수 있는 방안을 모색할 계획이다.
Abstract
This study was conducted to effectively solve the abnormal walking problem caused by the increase in dementia patients, which is a representative problem in an aging society. Walking in dementia patients occurs in abnormal walking patterns and can cause fatal diseases in various human structures, including the brain. Therefore, detailed gait analysis is required for dementia patients, and measures are needed to identify the cause of the problem and solve the problem. Therefore, in this study, a method of applying a reinforcement learning algorithm within the existing walking analysis system was studied as a method to improve the walking condition of dementia patients. The reinforcement learning algorithm calculates the range of joints and the amount of change in walking variables by walking state for the state and behavior that occur while the patient is walking through the gap between the normal range of joints. Accordingly, the system may automatically perform gait motion feedback of the patient. This feedback is expected to be able to learn normal walking patterns and optimize walking. Future research plans to find ways to collect big data related to walking from dementia patients with various symptoms and use it for customized gait treatment for each patient.
참고문헌 (17)
- 고경애, "경증 치매노인을 위한 인지활동 통합프로그램의 효과", 디지털융복합연구, 16(2), pp.431~440 (2018), 한국디지털정책학회[DOI]
- 이한숙, "치매 진단도구로서 치매노인의 보행능력 평가에 대한 연구", 대한물리의학회지, 12(2), pp.129~136 (2017), 대한물리의학회
- A comparative study on pedestrian analysis by age in korea, "R. M. Yoon", Seonam University, ~ (2010)
- J. M. Kim, "Walking analysis in dementia using GAITRite ambulation system", Journal of korean clinical health science, 5(1), pp.816~824 (2017)
- S. H. Lee, "AI based personalized service systems for dementia prevention", Korea Society of Computer Information, 29(2), pp.209~300 (2021)
- Takakusaki. K, "Neurophysiology of gait:From the spinal cord to the frontal lobe", Movement Disorder Society, 28(11), pp.1483~1491 (2013)
- 김국진, "치매 환자를 위한 딥러닝 기반 이상 행동 탐지 시스템", 인터넷정보학회논문지, 21(3), pp.133~144 (2020), 한국인터넷정보학회[DOI]
- J. H. Houng, "Gait and assistive technology", The Korean Society of Mechanical Engineers, 44(1), pp.61~65 (2004)
- 최승욱, "치매 고위험 노인의 보행능력과 균형능력에 관한 연구", 한국체육과학회지, 18(2), pp.1117~1124 (2009), 한국체육과학회
- R. A. Hackett, "Walking speed, cognitive function and dementia risk in the English longitudinal study of aging", Journal of the American Geriatrics Society, 66(9), pp.1670~1675 (2018)
- 김건, "정상 성인의 운동역학적 보행분석", 대한물리치료학회지, 21(2), pp.87~95 (2009), 대한물리치료학회
- R. S. Sutton, "Reinforcement learning: an introduction" (2018), Bradford Books
- S. J. Lee, "Topological measures for algorithm complexity of Markov decision processes", The Korean Institute of Information Scientists and Engineers, 34, pp.319~323 (2007)
- 서일홍, "강화학습(Reinforcement Learning)", 한국로봇학회지 로봇과 인간, 3(4), pp.5~14 (2006), 한국로봇학회
- 전병찬, "딥러닝을 활용한 고위험 질병 관리를 예측하는 실시간 헬스케어 플렛폼 시스템", 한국지식정보기술학회 논문지, 16(4), pp.665~673 (2021), 한국지식정보기술학회[DOI]
- 서상민, "높은 정밀도를 위한 CNN 기반의 개선된 모션 인식기", 한국지식정보기술학회 논문지, 16(3), pp.453~460 (2021), 한국지식정보기술학회[DOI]
- E. S. Kang, "A framework for fMRI analysis and mild cognitive impairment diagnosis using deep learning", The Korean Institute of Information Scientists and Engineering, pp.975~977 (2017)