| 1 |
1
VR 컨텐츠를 이용하여 재활훈련을 수행하는 환자가 착용한 웨어러블 장치로부터, 상기 재활훈련을 수행함에 따라 발생하는 상기 환자의 생리적 신호 데이터를 수집하는 단계;상기 수집된 환자의 생리적 신호 데이터를 샘플링 처리하는 단계; 및상기 샘플링 처리된 생리적 신호 데이터에 기초하여 재활치료를 수행하는 환자의 참여도를 평가하는 단계;를 포함하며,상기 생리적 신호 데이터는,상기 환자가 재활훈련을 수행함에 따라 발생하는 자율신경 응답기록 정보일 수 있으며, 광용적맥파(Photoplethysmograph, PPG), 피부 전기 활동(electrodermal activity, EDA), 피부 온도(Skin Remperature, ST) 정보 중 적어도 어느 하나를 포함하며, 상기 수집된 환자의 생리적 신호 데이터를 샘플링 처리하는 단계는,상기 생리적 신호 데이터가 피부 전기 활동(EDA) 정보인 경우, 상기 피부 전기 활동(EDA) 정보를 cvxEDA 알고리즘을 사용하여 성분을 분해하고, Z 점수 변환을 적용하여 정규화하며, 아래의 수학식을 이용하여 상기 분해된 성분으로부터 부가적인 통계적 특징()을 도출하며, (여기서, μx는 평균이고 σx는 x의 표준 편차임)상기 생리적 신호 데이터가 광용적맥파(PPG) 정보인 경우, 상기 광용적맥파 정보를 인접한 비트 사이의 개별 간격을 식별하여 아래의 수학식 1을 이용하여 인터 비트 간격()을 추정하고, 아래의 수학식 2 및 3을 이용하여 평균 인터 비트 간격()과 평균 심박수()를 계산하며,[수학식 1][수학식 2][수학식 3](여기서, t는 N 비트 시간이고 N은 전체 심장 박동임)상기 샘플링 처리된 생리적 신호 데이터에 기초하여 재활치료를 수행하는 환자의 참여도를 평가하는 단계는,상기 샘플링 처리된 생리적 신호 데이터로부터 유도된 특징에 신경망이 적용된 CNN(Convolutional Neural Network) 학습 알고리즘을 적용하여 재활치료 환자 중에서 재활치료를 수행하는 상기 환자의 참여도를 평가하는 생리적 신호를 활용한 기계학습 기반의 재활치료 참여도 평가 방법
|
| 6 |
6
VR 컨텐츠를 이용하여 재활훈련을 수행하는 환자가 착용한 웨어러블 장치로부터, 상기 재활훈련을 수행함에 따라 발생하는 상기 환자의 생리적 신호 데이터를 수집하는 생리적 신호 데이터 수집부;상기 수집된 환자의 생리적 신호 데이터를 샘플링 처리하는 데이터 처리부; 및상기 샘플링 처리된 생리적 신호 데이터에 기초하여 재활치료를 수행하는 상기 환자의 참여도를 평가하는 참여도 평가부;를 포함하며,상기 생리적 신호 데이터는,상기 환자가 재활훈련을 수행함에 따라 발생하는 자율신경 응답기록 정보일 수 있으며, 광용적맥파(Photoplethysmograph, PPG), 피부 전기 활동(electrodermal activity, EDA), 피부 온도(Skin Remperature, ST) 정보 중 적어도 어느 하나를 포함하며, 상기 데이터 처리부는,상기 생리적 신호 데이터가 피부 전기 활동(EDA) 정보인 경우, 상기 피부 전기 활동(EDA) 정보를 cvxEDA 알고리즘을 사용하여 분해하고, Z 점수 변환을 적용하여 정규화하며, 아래의 수학식을 이용하여 상기 분해된 성분으로부터 부가적인 통계적 특징()을 도출하며,(여기서, μx는 평균이고 σx는 x의 표준 편차임)상기 생리적 신호 데이터가 광용적맥파(PPG) 정보인 경우, 상기 광용적맥파 정보를 인접한 비트 사이의 개별 간격을 식별하여 아래의 수학식 1과 같이, 인터 비트 간격()을 추정하고, 아래의 수학식 2 및 3을 을 이용하여 평균 인터 비트 간격()과 평균 심박수()를 계산하며,[수학식 1][수학식 2][수학식 3](여기서, t는 N 비트 시간이고 N은 전체 심장 박동임)상기 참여도 평가부는
|
