| 1 |
1
파킨슨병의 운동기능 증상 특징 추출을 위한 잡아당기기 검사 데이터 정량화 시스템에 의해 수행되는 파킨슨병의 운동기능 증상 특징 추출을 위한 잡아당기기 검사 데이터 정량화 방법에 있어서,단말기에서, 설정된 시간마다 사용자의 가속도를 측정하여, CSV(Comma Separated Value) 파일 형식으로 가속도계 데이터를 생성하는 단계;상기 단말기에서, 상기 생성된 가속도계 데이터에 포함된 잡음(noise)을 제거하는 단계;상기 단말기에서, 상기 잡음이 제거된 가속도계 데이터에 대해 사용자의 자세(posture) 및 상기 단말기의 기울기를 보정하기 위해 3축(triaxis) 중 y축을 중력방향으로 고정시키는 축(axis)을 보정하는 단계;상기 단말기에서, 상기 축이 보정된 가속도계 데이터를 수직 성분의 가속도계 데이터 벡터 값과 수평 성분의 가속도계 데이터 벡터 값으로 분리하는 단계;상기 단말기에서, 상기 분리된 수직 성분의 가속도계 데이터 벡터 값의 크기 및 상기 분리된 수평 성분의 가속도계 데이터 벡터 값의 크기를 이용하여, 수직 성분의 가속도계 데이터 및 수평 성분의 가속도계 데이터의 고속 푸리에 변환(Fast Fourier Transform)을 수행하고, 상기 수직 성분의 가속도계 데이터 및 수평 성분의 가속도계 데이터의 최댓값 및 최솟값을 계산하는 단계;상기 단말기에서, 상기 분리된 수직 성분의 가속도계 데이터 벡터 값 및 상기 분리된 수평 성분의 가속도계 데이터 벡터 값을 이용하여, 수직 성분의 가속도계 데이터 및 수평 성분의 가속도계 데이터의 평균값을 계산하는 단계;정량화 디바이스에서, 상기 수행된 고속 푸리에 변환의 결과값, 상기 계산된 최댓값, 최솟값 및 상기 평균값을 WEKA(Waikato Environment for Knowledge Analysis)로 출력된 의사 결정 트리(decision tree)를 이용하여, 상기 가속도계 데이터를 상기 사용자가 서 있는 상태(standing)의 데이터, 뒤로 당겨지는 상태(pulling)의 데이터 및 당겨진 힘에 반응하는 상태(responding)의 데이터로 정량화하는 단계를 포함하되, 상기 가속도계 데이터의 윈도우 크기(window size)는 16이며, 윈도우(window)의 간격은 1인, 파킨슨병의 운동기능 증상 특징 추출을 위한 잡아당기기 검사 데이터 정량화 방법
|
| 2 |
2
제1항에 있어서,상기 정량화 디바이스에서, 상기 축이 보정된 가속도계 데이터를 CNN(Convolution Neural Network)으로 분류하여, 상기 가속도계 데이터를 상기 사용자가 서 있는 상태의 데이터, 뒤로 당겨지는 상태의 데이터 및 당겨진 힘에 반응하는 상태의 데이터로 정량화하는 단계를 더 포함하는, 파킨슨병의 운동기능 증상 특징 추출을 위한 잡아당기기 검사 데이터 정량화 방법
|
| 3 |
3
제1항에 있어서,상기 가속도계 데이터에 포함된 잡음을 제거하는 단계는, 저역 통과 필터(Low Pass Filter)를 이용하여 아래의 수학식 1에 따라 상기 가속도계 데이터에 포함된 잡음을 제거하는 단계를 포함하는, 파킨슨병의 운동기능 증상 특징 추출을 위한 잡아당기기 검사 데이터 정량화 방법
|
| 4 |
4
제1항에 있어서,상기 축을 보정하는 단계는, 아래의 수학식 2 및 수학식 3에 따라 상기 축을 보정하는 단계를 포함하는, 파킨슨병의 운동기능 증상 특징 추출을 위한 잡아당기기 검사 데이터 정량화 방법
|
| 5 |
5
제1항에 있어서, 상기 수직 성분의 가속도계 데이터 벡터 값과 수평 성분의 가속도계 데이터 값으로 분리하는 단계는,아래의 수학식 4 내지 수학식 7에 따라 상기 수직 성분의 가속도계 데이터 벡터 값과 수평 성분의 가속도계 데이터 벡터 값으로 분리하는 단계를 포함하는, 파킨슨병의 운동기능 증상 특징 추출을 위한 잡아당기기 검사 데이터 정량화 방법
|
| 6 |
6
설정된 시간마다 사용자의 가속도를 측정하여, CSV 파일 형식으로 가속도계 데이터를 생성하는 데이터 생성부;상기 생성된 가속도계 데이터에 포함된 잡음을 제거하는 노이즈 제거부;상기 잡음이 제거된 가속도계 데이터에 대해 사용자의 자세 및 기울기를 보정하기 위해 3축 중 y축을 중력방향으로 고정시키는 축을 보정하는 축 보정부;상기 축이 보정된 가속도계 데이터를 수직 성분의 가속도계 데이터 벡터 값과 수평 성분의 가속도계 데이터 벡터 값으로 분리하는 수직 및 수평 성분 분리부;상기 분리된 수직 성분의 가속도계 데이터 벡터 값의 크기 및 상기 분리된 수평 성분의 가속도계 데이터 벡터 값의 크기를 이용하여, 수직 성분의 가속도계 데이터 및 수평 성분의 가속도계 데이터의 고속 푸리에 변환을 수행하는 고속 푸리에 변환 수행부;상기 수직 성분의 가속도계 데이터 및 수평 성분의 가속도계 데이터의 최댓값 및 최솟값을 계산하는 최댓값 및 최솟값 계산부;상기 분리된 수직 성분의 가속도계 데이터 벡터 값 및 상기 분리된 수평 성분의 가속도계 데이터 벡터 값을 이용하여, 수직 성분의 가속도계 데이터 및 수평 성분의 가속도계 데이터의 평균값을 계산하는 평균값 계산부를 포함하는, 단말기; 및상기 수행된 고속 푸리에 변환의 결과값, 상기 계산된 최댓값, 최솟값 및 상기 평균값을 WEKA로 출력된 의사 결정 트리를 이용하여, 상기 가속도계 데이터를 상기 사용자가 서 있는 상태의 데이터, 뒤로 당겨지는 상태의 데이터 및 당겨진 힘에 반응하는 상태의 데이터로 정량화하는 정량화 디바이스를 포함하되,상기 가속도계 데이터의 윈도우 크기는 16이며, 윈도우의 간격은 1인, 파킨슨병의 운동기능 증상 특징 추출을 위한 잡아당기기 검사 데이터 정량화 시스템
|
| 7 |
7
제6항에 있어서,상기 정량화 디바이스는,상기 축이 보정된 가속도계 데이터를 CNN으로 분류하여, 상기 가속도계 데이터를 상기 사용자가 서 있는 상태의 데이터, 뒤로 당겨지는 상태의 데이터 및 당겨진 힘에 반응하는 상태의 데이터로 정량화하는 것을 포함하는, 파킨슨병의 운동기능 증상 특징 추출을 위한 잡아당기기 검사 데이터 정량화 시스템
|
| 8 |
8
제6항에 있어서,상기 노이즈 제거부는,저역 통과 필터를 이용하여 아래의 수학식 1에 따라 상기 가속도계 데이터에 포함된 잡음을 제거하는 것을 포함하는, 파킨슨병의 운동기능 증상 특징 추출을 위한 잡아당기기 검사 데이터 정량화 시스템
|
| 9 |
9
제6항에 있어서,상기 축 보정부는, 아래의 수학식 2 및 수학식 3에 따라 상기 축을 보정하는 것을 포함하는, 파킨슨병의 운동기능 증상 특징 추출을 위한 잡아당기기 검사 데이터 정량화 시스템
|
| 10 |
10
제6항에 있어서,수직 및 수평 성분 분리부는,아래의 수학식 4 내지 수학식 7에 따라 상기 수직 성분의 가속도계 데이터 벡터 값과 수평 성분의 가속도계 데이터 벡터 값으로 분리하는 것을 포함하는, 파킨슨병의 운동기능 증상 특징 추출을 위한 잡아당기기 검사 데이터 정량화 시스템
|
| 11 |
11
하드웨어와 결합되어 제1항 내지 제5항 중 어느 하나의 항에 따른 방법을 실행시키기 위하여 매체에 저장된 애플리케이션
|
