| 1 |
1
기계학습 기반 낙상 위험도 추정 장치에 있어서,사용자의 신체의 가속도 정보와 기울기 정보를 측정할 수 있는 가속도 센서,가속도 센서에 의해 감지된 사용자의 가속도 및 기울기 정보를 추출하여 처리할 수 있는 신호처리부, 및사용자의 낙상 위험도를 결정할 수 있는 제어부를 포함하고,상기 제어부는 상기 사용자의 몸의 움직임에 따른 신체의 X, Y, Z 3축 가속도 값에서 추출된 신호로부터 낙상 위험도를 결정하는 기계학습 기반 낙상 위험도 추정 장치
|
| 2 |
2
제1 항에 있어서,상기 제어부는 Timed-Up and Go Test (TUGT), Five Times Sit-to-Stand test (FTSS), Alternate Step Test (AST)를 수행하는 사용자의 몸의 움직임에 따른 신체의 X, Y, Z 3축 가속도 값을 측정한 신호를 기반으로 낙상 위험도를 결정하는 기계학습 기반 낙상 위험도 추정 장치
|
| 3 |
3
제2 항에 있어서,상기 제어부는 미리 선정된 특성점 후보군 중 선택된 최종 특성점을 기반으로 낙상 위험도를 결정하는 기계학습 기반 낙상 위험도 추정 장치
|
| 4 |
4
제3 항에 있어서,상기 제어부는 Sequential Forward Floating Search (SFFS) algorithm을 이용하여 최종 특성점을 선정하는 낙상 위험도를 결정하는 기계학습 기반 낙상 위험도 추정 장치
|
| 5 |
5
제1 항에 있어서,상기 제어부는 Berg Balance Scale (BBS) 방법에 따라 낙상 위험도를 추정하는 기계학습 기반 낙상 위험도 추정 장치
|
| 6 |
6
제1 항에 있어서,상기 제어부는 사용자별 훈련을 통해 사용자별로 다른 방법으로 낙상 위험도를 추정하는 기계학습 기반 낙상 위험도 추정 장치
|
| 7 |
7
기계학습 기반 낙상 위험도 추정 방법에 있어서,사용자의 신체의 가속도 정보와 기울기 정보를 측정하는 단계;가속도 신호를 처리하는 단계;특성점을 선정하는 단계;기계학습 훈련을 실시하는 단계 및낙상 위험 모델을 적용하여 낙상 위험도를 결정하는 단계를 포함하는 기계학습 기반 낙상 위험도 추정 방법
|
| 8 |
8
제7 항에 있어서,Timed-Up and Go Test (TUGT), Five Times Sit-to-Stand test (FTSS), Alternate Step Test (AST)를 수행하는 사용자의 몸의 움직임에 따른 신체의 X, Y, Z 3축 가속도 값을 측정한 신호를 기반으로 낙상 위험도를 결정하는 기계학습 기반 낙상 위험도 추정 방법
|
| 9 |
9
제8 항에 있어서,미리 선정된 특성점 후보군 중 선택된 최종 특성점을 기반으로 낙상 위험도를 결정하는 기계학습 기반 낙상 위험도 추정 방법
|
| 10 |
10
제9 항에 있어서,Sequential Forward Floating Search (SFFS) algorithm을 이용하여 최종 특성점을 선정하는 낙상 위험도를 결정하는 기계학습 기반 낙상 위험도 추정 방법
|
| 11 |
11
제7 항에 있어서,Berg Balance Scale (BBS) 방법에 따라 낙상 위험도를 추정하는 기계학습 기반 낙상 위험도 추정 방법
|
| 12 |
12
제7 항에 있어서,사용자별 훈련을 통해 사용자별로 다른 방법으로 낙상 위험도를 추정하는 기계학습 기반 낙상 위험도 추정 방법
|
