[go: up one dir, main page]

KR102816779B1 - 인공지능을 이용한 허리 디스크 환자용 재활 방법 및 시스템 - Google Patents

인공지능을 이용한 허리 디스크 환자용 재활 방법 및 시스템 Download PDF

Info

Publication number
KR102816779B1
KR102816779B1 KR1020240105905A KR20240105905A KR102816779B1 KR 102816779 B1 KR102816779 B1 KR 102816779B1 KR 1020240105905 A KR1020240105905 A KR 1020240105905A KR 20240105905 A KR20240105905 A KR 20240105905A KR 102816779 B1 KR102816779 B1 KR 102816779B1
Authority
KR
South Korea
Prior art keywords
rehabilitation
patient
muscle
stage
characteristic data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
KR1020240105905A
Other languages
English (en)
Inventor
이찬영
박현수
강승헌
Original Assignee
주식회사 아이닥
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 아이닥 filed Critical 주식회사 아이닥
Priority to KR1020240105905A priority Critical patent/KR102816779B1/ko
Application granted granted Critical
Publication of KR102816779B1 publication Critical patent/KR102816779B1/ko
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/389—Electromyography [EMG]
    • A61B5/397—Analysis of electromyograms
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2505/00—Evaluating, monitoring or diagnosing in the context of a particular type of medical care
    • A61B2505/09—Rehabilitation or training

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Biophysics (AREA)
  • Physics & Mathematics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

본 발명은 인공지능을 이용한 허리 디스크 환자용 재활 방법 및 시스템을 개시한다.
본 발명의 인공지능을 이용한 허리 디스크 환자용 재활 시스템은 허리 디스크 환자의 재활 치료 프로그램의 치료 경과를 분석하는 재활 치료 경과 분석부로서, 상기 치료 경과의 분석은 미리 결정된 재활 기간 동안의 근육 관련 특성 데이터의 변화 정도에 기초하여 수행되고, 상기 재활 치료 프로그램은 복수의 스테이지로 구성되고, 각 스테이지는 치료 강도가 상이한, 상기 재활 치료 경과 분석부; 상기 근육 관련 특성 데이터를 이용하여 상기 환자의 재활 치료 수행 중인 스테이지의 적합도를 산출하는 재활 수행 스테이지 적합도 산출부; 및 상기 적합도가 임계치를 벗어나는 경우에 상기 환자에 조정된 치료 강도를 제공하는 재활 수행 스테이지를 추천하는 재활 수행 스테이지 추천부;를 포함한다.
본 발명의 척추 질환 환자 재활 모니터링 및 특징 동작 추출 방법 및 시스템에 의하면, 환자에 의한 재활 동작 수행시 근육 관련 특성 데이터의 수집으로 재활 치료의 효과를 정량적으로 추정할 수 있는 효과가 있다.

Description

인공지능을 이용한 허리 디스크 환자용 재활 방법 및 시스템{REHABILITATION METHOD AND SYSTEMS FOR LUMBAR DISC PATIENTS USING ARTIFICIAL INTELLIGENCE}
본 발명은 척추 질환 환자 재활 분야에 관한 것으로, 보다 상세하게는 인공지능을 이용하여 허리 디스크 환자의 치료 과정을 각 환자에 최적화하기 위해 치료 강도를 환자의 재활 정도에 따라 변경가능 하도록 구성될 수 있는 허리 디스크 환자용 재활 방법 및 시스템에 관한 것이다.
최근 들어, 장시간 컴퓨터 사용에 의해 앉아서 생활하는 시간의 증가, 장시간 스마트폰 사용, 운동 부족 및 신체 불균형에 대한 인식 부족 등으로 인해 척추 측만증 환자가 급증하여 척추 측만증이 심각한 건강문제로 대두되고 있다.
척추 측만증(Scoliosis)이란, 척추가 'C'자, 'S'자 등과 같이 휘어지거나 틀어짐으로써 몸이 좌우로 기울거나 돌아가 변형되는 증상으로서, 요통을 유발함과 동시에 만곡 각도가 70 ~ 80°이상인 경우 폐 기능에 영향을 주며, 90 ~ 100°인 경우 호흡에 영향을 끼치게 되며, 120°이상인 경우 폐활량 감소로 인한 폐성심의 원인이 될 수 있다. 척추 측만증은 원인에 따라 기능성 측만증(Functional scoliosis) 및 구조적 측만증(Structural scoliosis)으로 구분되며, 신경학적 증상이 없는 척추 측만증의 치료로 자세 교정이 매우 중요하다.
하지만 환자들이 재활 치료를 위하여 병원에 지속적으로 방문하여야 하는데 이는 매우 어려운 실정이다. 재활치료나 물리치료 받기 위해서 병원으로 이동해야 하며, 환자들이 많다 보니 대기시간이 길고 치료 후에 다시 가정으로 돌아와야 하는데 이 모든 시간을 합하여 본다면 대형병원은 평균 5시간 이상, 중소병원은 3시간 이상 소요되다 보니 아픈 몸을 이끌고 환자들이 매일같이 병원을 방문하기란 현실적으로 불가능에 가깝다.
또한 가정에서 재활치료나 물리치료를 할 수 있다면 시간과 비용을 절감할 수 있어 좋지만 환자가 스스로 치료를 지속하기는 매우 어렵다. 특히, 재활치료는 동작이 어렵고 반복되며 지루해서 누군가 옆에서 지속적으로 코칭하지 않는 한 오랜 시간 치료를 지속하기 어렵다. 이에 가정에서 환자 스스로가 즐겁고 지속적으로 치료할 수 있는 운동 치료 시스템이 절실히 필요하다. 더불어 환자 스스로 이용가능한 운동 치료 시스템에서 제공되는 운동 치료 프로그램은 환자의 중증 정도에 따라 적정한 재활 강도를 제시하실 수 있어야 한다.
한편, 전술한 배경 기술은 발명자가 본 발명의 도출을 위해 보유하고 있었거나, 본 발명의 도출 과정에서 습득한 기술 정보로서, 반드시 본 발명의 출원 전에 일반 공중에게 공개된 공지기술이라 할 수는 없다.
등록특허 공보 10-2551402 (2023.06.29)
본 발명은 인공지능을 이용하여 각 환자에 최적화된 치료 강도를 제공하는 재활 치료 프로그램을 제공하도록 구성될 수 있는 허리 디스크 환자용 재활 방법 및 시스템을 제공한다.
본 발명의 과제들은 이상에서 언급한 과제들로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 발명의 일 실시예에 따른 인공지능을 이용한 허리 디스크 환자용 재활 시스템은,
허리 디스크 환자의 재활 치료 프로그램의 치료 경과를 분석하는 재활 치료 경과 분석부로서, 상기 치료 경과의 분석은 미리 결정된 재활 기간 동안의 근육 관련 특성 데이터의 변화 정도에 기초하여 수행되고, 상기 재활 치료 프로그램은 복수의 스테이지로 구성되고, 각 스테이지는 치료 강도가 상이한, 상기 재활 치료 경과 분석부;
상기 근육 관련 특성 데이터를 이용하여 상기 환자의 재활 치료 수행 중인 스테이지의 적합도를 산출하는 재활 수행 스테이지 적합도 산출부; 및
상기 적합도가 임계치를 벗어나는 경우에 상기 환자에 조정된 치료 강도를 제공하는 재활 수행 스테이지를 추천하는 재활 수행 스테이지 추천부;를 포함한다.
바람직하게는,
상기 근육 관련 특성 데이터는 근육 긴장도, 근육 경직도, 근육 탄성도, 근육 변형률 중 적어도 하나를 포함하고, 상기 근육 관련 특성 데이터는 휴대용 근육 진단장비로 측정된다.
바람직하게는,
상기 근육 관련 특성 데이터는 상기 환자의 척추에 배치된 복수의 근육의 평균 근육 변형률이고, 상기 재활 수행 스테이지 적합도 산출부는 각 스테이지의 치료 강도에 대응하는 평균 근육 변형률의 범위를 지정한 테이블을 이용하여 상기 재활 치료 수행 중인 스테이지의 적합도를 산출한다.
바람직하게는,
상기 재활 수행 스테이지 추천부는 상기 미리 결정된 재활 기간 동안의 상기 환자의 재활 수행 이력 데이터를 이용하여 학습된 인공지능 재활 학습 모델을 이용하여 추천된 재활 수행 스테이지에서의 상기 환자의 신체 부위의 운동 범위를 제공하는 것을 특징으로 한다.
바람직하게는,
상기 환자의 신체 부위의 운동 범위는 팔의 회전 각도, 팔의 분당 회전 횟수 및 상기 환자의 허리의 굽힘 각도 중 적어도 하나를 포함하되,
상기 인공지능 재활 학습 모델은 상기 미리 결정된 재활 기간 동안의 상기 근육 관련 특성 데이터와 상기 환자의 신체 부위의 운동 범위의 상관 관계에 기초하여 상기 추천된 재활 수행 스테이지에서의 예상 근육 관련 특성 데이터에 대응하는 환자의 신체 부위의 운동 범위를 예측하는 것을 특징으로 한다.
바람직하게는,
상기 인공지능 재활 학습 모델은 상기 미리 결정된 재활 기간 동안의 상기 근육 관련 특성 데이터와 상기 환자의 재활 수행 일일 빈도, 주간 빈도, 및 월간 빈도 중 적어도 하나의 상관 관계에 기초하여 상기 추천된 재활 수행 스테이지에서의 예상 근육 관련 특성 데이터에 대응하는 상기 환자의 재활 수행 일일 빈도, 주간 빈도 및 월간 빈도 중 적어도 하나를 예측하는 것을 특징으로 한다.
바람직하게는,
상기 환자의 재활 수행 이력 데이터에 기초하여 상기 재활 수행 스테이지의 레벨을 업그레이드 여부를 결정하는 재활 수행 스테이지 업그레이드부;를 더 포함하되,
상기 재활 수행 스테이지 업그레이드부는 상기 환자의 팔의 회전 각도를 증가시키거나 상기 환자의 팔의 분당 회전 횟수를 증가시킴으로써 상기 재활 수행 스테이지의 레벨을 업그레이드하는 것을 특징으로 한다.
본 발명의 일 실시예에 따른 인공지능을 이용한 허리 디스크 환자용 재활 방법은,
허리 디스크 환자의 재활 치료 프로그램의 치료 경과를 분석하는 재활 치료 경과 분석 단계로서, 상기 치료 경과의 분석은 미리 결정된 재활 기간 동안의 근육 관련 특성 데이터의 변화 정도에 기초하여 수행되고, 상기 재활 치료 프로그램은 복수의 스테이지로 구성되고, 각 스테이지는 치료 강도가 상이한, 상기 재활 치료 경과 분석 단계;
상기 근육 관련 특성 데이터를 이용하여 상기 환자의 재활 치료 수행 중인 스테이지의 적합도를 산출하는 재활 수행 스테이지 적합도 산출 단계; 및
상기 적합도가 임계치를 벗어나는 경우에 상기 환자에 조정된 치료 강도를 제공하는 재활 수행 스테이지를 추천하는 재활 수행 스테이지 추천 단계;를 포함한다.
바람직하게는,
상기 근육 관련 특성 데이터는 근육 긴장도, 근육 경직도, 근육 탄성도, 근육 변형률 중 적어도 하나를 포함하고, 상기 근육 관련 특성 데이터는 휴대용 근육 진단장비로 측정된다.
바람직하게는,
상기 근육 관련 특성 데이터는 상기 환자의 척추에 배치된 복수의 근육의 평균 근육 변형률이고, 상기 재활 수행 스테이지 적합도 산출 단계에서 각 스테이지의 치료 강도에 대응하는 평균 근육 변형률의 범위를 지정한 테이블을 이용하여 상기 재활 치료 수행 중인 스테이지의 적합도를 산출한다.
바람직하게는,
상기 재활 수행 스테이지 추천 단계는 상기 미리 결정된 재활 기간 동안의 상기 환자의 재활 수행 이력 데이터를 이용하여 학습된 인공지능 재활 학습 모델을 이용하여 추천된 재활 수행 스테이지에서의 상기 환자의 신체 부위의 운동 범위를 제공하는 것을 특징으로 한다.
바람직하게는,
상기 환자의 신체 부위의 운동 범위는 팔의 회전 각도, 팔의 분당 회전 횟수 및 상기 환자의 허리의 굽힘 각도 중 적어도 하나를 포함하되,
상기 인공지능 재활 학습 모델은 상기 미리 결정된 재활 기간 동안의 상기 근육 관련 특성 데이터와 상기 환자의 신체 부위의 운동 범위의 상관 관계에 기초하여 상기 추천된 재활 수행 스테이지에서의 예상 근육 관련 특성 데이터에 대응하는 환자의 신체 부위의 운동 범위를 예측하는 것을 특징으로 한다.
바람직하게는,
상기 인공지능 재활 학습 모델은 상기 미리 결정된 재활 기간 동안의 상기 근육 관련 특성 데이터와 상기 환자의 재활 수행 일일 빈도, 주간 빈도, 및 월간 빈도 중 적어도 하나의 상관 관계에 기초하여 상기 추천된 재활 수행 스테이지에서의 예상 근육 관련 특성 데이터에 대응하는 상기 환자의 재활 수행 일일 빈도, 주간 빈도 및 월간 빈도 중 적어도 하나를 예측하는 것을 특징으로 한다.
바람직하게는,
상기 환자의 재활 수행 이력 데이터에 기초하여 상기 재활 수행 스테이지의 레벨을 업그레이드 여부를 결정하는 재활 수행 스테이지 업그레이드 단계;를 더 포함하되,
상기 재활 수행 스테이지 업그레이드 단계는 상기 환자의 팔의 회전 각도를 증가시키거나 상기 환자의 팔의 분당 회전 횟수를 증가시킴으로써 상기 재활 수행 스테이지의 레벨을 업그레이드하는 것을 특징으로 한다.
기타 실시예들의 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
본 발명의 척추 질환 환자 재활 모니터링 및 특징 동작 추출 방법 및 시스템에 의하면, 환자에 의한 재활 동작 수행시 근육 관련 특성 데이터의 수집으로 재활 치료의 효과를 정량적으로 추정할 수 있는 효과가 있다.
본 발명의 척추 질환 환자 재활 모니터링 및 특징 동작 추출 방법 및 시스템에 의하면, 환자별로 맞춤형 재활 치료 프로그램을 구성할 수 있어서, 환자 개인의 증상에 맞춰 효율적인 재활 치료가 가능한 장점이 있다.
다만, 본 발명의 효과들은 이상에서 언급한 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 인공지능을 이용한 허리 디스크 환자용 재활 시스템의 구성을 개략적으로 도시한 도면이다.
도 2는 본 발명의 일 실시예에 따른 재활 치료의 효과를 정량적으로 계산하기 위한 방법의 일 예를 도시한 도면이다.
도 3은 본 발명의 일 실시예에 따른 인공지능을 이용한 허리 디스크 환자용 재활 시스템의 구성을 개략적으로 도시한 도면이다.
도 4는 본 발명의 일 실시예에 따른 인공지능을 이용한 허리 디스크 환자용 재활 시스템의 인공지능 재활 학습 모델의 학습 과정을 도시적으로 표현한 도면이다.
도 5는 본 발명의 일 실시예에 따른 인공지능을 이용한 허리 디스크 환자용 재활 시스템의 학습된 인공지능 재활 학습 모델을 이용하여 새로운 재활 수행 스테이지에서 재활 정보를 예측하여 출력하는 과정을 도시적으로 표현한 도면이다.
도 6은 본 발명의 일 실시예에 따른 인공지능을 이용한 허리 디스크 환자용 재활 방법의 흐름도를 도시한 도면이다.
도 7은 본 발명의 다양한 실시예에 따른 장치 및/또는 시스템을 구현할 수 있는 예시적인 컴퓨팅 장치를 도시한 도면이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
본 명세서에서 기술하는 실시예들은 본 발명의 이상적인 예시도인 단면도 및/또는 평면도들을 참고하여 설명될 것이다. 도면들에 있어서, 구성들의 두께는 기술적 내용의 효과적인 설명을 위해 과장된 것이다. 따라서, 도면에서 예시된 구성들은 개략적인 속성을 가지며, 도면에서 예시된 구성들의 모양은 구성의 특정 형태를 예시하기 위한 것이며 발명의 범주를 제한하기 위한 것이 아니다. 본 명세서의 다양한 실시예들에서 제1, 제2, 제3 등의 용어가 다양한 구성요소들을 기술하기 위해서 사용되었지만, 이들 구성요소들이 이 같은 용어들에 의해서 한정되어서는 안 된다. 이들 용어들은 단지 어느 구성요소를 다른 구성요소와 구별시키기 위해서 사용되었을 뿐이다. 여기에 설명되고 예시되는 실시예들은 그것의 상보적인 실시예들도 포함한다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소, 단계, 동작 및/또는 소자에 하나 이상의 다른 구성요소, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
이하, 도면을 참조하여, 본 발명의 개념 및 이에 따른 실시예들에 대해 상세히 설명하기로 한다.
본 발명의 일 실시예에 따른 인공지능을 이용한 허리 디스크 환자용 재활 시스템
도 1은 본 발명의 일 실시예에 따른 인공지능을 이용한 허리 디스크 환자용 재활 시스템의 구성을 개략적으로 도시한 도면이다.
본 발명의 일 실시예에 따른 인공지능을 이용한 허리 디스크 환자용 재활 시스템(1000은 환자용 단말(110), 서버(120) 및 의사용 단말(130)을 포함한다.
환자용 단말(110), 서버(120) 및 의사용 단말(130)은 서로 네트워크로 연결되어 데이터를 상호 교환할 수 있다.
환자용 단말(110)은 재활 치료 프로그램을 수행하는 환자의 복수의 재활 수행 데이터를 수집한다. 일 실시예로서, 환자용 단말(110)은 환자의 재활 동작을 촬영할 수 있는 카메라가 부착된 스마트폰일 수 있다.
본 발명의 재활 치료 프로그램은 게임 기반의 어플 형태로 제공될 수 있다. 환자는 환자용 단말(110)에 설치된 게임 기반의 어플 형태의 재활 치료 프로그램을 실행하여 재활을 수행할 수 있다. 환자는 재활을 위하여 직접 병원을 방문할 필요가 없다. 본 발명의 재활 치료 프로그램은 게임 기반의 어플 형태로 제공되는바 특별한 장소의 제약없이 어디서든 원하는 시간에 재활을 수행할 수 있다.
본 발명에서, 재활 수행 데이터는 재활 치료 프로그램 수행시 환자가 정해진 동작을 수행하는 동작 영상 및 동작을 수행할 때 센서에 의해 측정된 환자의 상태를 측정한 측정 데이터 중 적어도 하나를 포함한다.
환자용 단말(110)은 수집된 재활 수행 데이터를 서버(120)로 전송한다.
서버(120)는 복수의 재활 수행 데이터를 동작별로 분류하고, 개개의 동작에 대하여 미리 결정된 임계치 이상의 재활 수행 데이터를 추출하고, 환자가 재활 치료 프로그램을 수행하는 성실도를 계산한다.
도 1에 도시된 바와 같이, 서버(120)는 환자의 재활 수행 데이터를 의사용 단말(130)로 전송함으로써 의사가 환자의 재활 상태를 지속적으로 모니터링할 수 있도록 한다.
재활 수행 데이터가 동작 영상인 경우, 서버(120)의 인공 지능에 의한 미리 결정된 임계치 이상의 재활 수행 데이터 추출은 동작 영상과 정해진 동작의 기준 영상을 비교하여 수행된다.
본 발명에서 재활 동작의 기준 영상은 특정 재활 동작의 표본이 될 수 있는 영상으로 재활 치료사나 의사에 의해 수행된 재활 동작의 촬영 영상일 수 있다.
이렇게 추출된 임계치 이상의 동작 영상은 환자가 기준 영상과 유사하게 재활 동작을 수행함을 의미하는 것으로, 유사도가 높을 수록 환자가 해당 재활 동작을 잘 수행하고 있다고 판단할 수 있다.
재활 수행 데이터가 측정 데이터인 경우, 서버(120)의 인공 지능에 의한 미리 결정된 임계치 이상의 재활 수행 데이터 추출은 정해진 동작을 수행할 때 환자에 착용된 센서에 의해 측정된 측정 데이터를 미리 결정된 근육 관련 특성 데이터와 비교함으로써 수행된다.
일 실시예에서, 근육 관련 특성 데이터는 근육 긴장도, 근육 경직도, 근육 탄성도, 근육 변형률을 포함한다.
근육의 긴장도를 의미하는 공진 주파수[Hz]는 자발적 근 수축이 없는 상태(EMG의 Zero 수준)에서도 존재하는 근 고유의 진동을 나타낸다. 일반적으로 근육의 수축 수준과 긴장도는 양의 상관을 가지고 있다. 즉, 근육의 수축력 증가할수록 즉, 힘을 더 세게 발휘할수록 근육의 긴장도 또한 증가한다고 볼 수 있다.
근육 경직도는 초기 근육의 상태에서 외부 힘에 대한 근조직의 저항력을 의미한다. 즉, 근 수축에 의하여 근 섬유 조직이 전위(displacement)를 일으키는데 필요한 힘의 강도(magnitude)를 말한다.
근육 탄성도는 외력의 감소 또는 제거 후 초기 근육 형태로 회복할 수 있는 능력에 대한 근육의 생체 역학적 특성을 말한다. 탄성도는 감쇄율에 반비례하며, 이론적으로 감쇄율 0 은 절대적인 탄성률을 나타낸다.
근육 변형률은 변형이 시작되는 시간과 변형이 끝나는 시간에 대한 회복 시간의 비율로 결정된다. 회복 시간은 회복 시간은 근육의 근수축 또는 외부 응력이 제거된 후, 정상으로 복원되는 시간을 나타낸다. 즉, 근육이 최초 상태인 이완에서부터 변형이 일어나고 다시 돌아오는 데까지의 비율을 말한다.
일 실시예에서, 근육 관련 특성 데이터는 휴대용 근육 진단장비로 측정 가능하다. 측정 원리는 신체 피부 및 근육의 생리학적 물성에 대한 고유 진동수를 계산하는 방식으로 수행된다.
일 예로서, 임계치 이상의 근육 변형률을 출력하는 재활 동작을 수행할 때 환자는 해당 재활 동작을 잘 수행하고 있다고 판단할 수 있다.
일 실시예에서, 미리 결정된 임계치 이상의 재활 수행 데이터를 추출은 동작 영상과 측정 데이터 둘 모두를 고려하여 수행할 수 있다.
즉, 특정 재활 동작을 수행할 때 동작 영상과 해당 재활 동작을 수행할 때 환자 근육을 측정한 측정 데이터를 수집하여 동작 영상은 기준 영상과 유사도를 비교하고, 측정 데이터는 미리 결정된 임계치를 갖는 근육 관련 특성 데이터와 비교하여 미리 결정된 임계치 이상의 재활 수행 데이터를 추출할 수 있다.
본 발명에서, 환자가 재활 치료 프로그램을 수행하는 성실도는 재활 치료 프로그램을 정해진 시간 및 날짜에 따라 환자가 얼마나 잘 규칙적으로 수행하는 여부를 정략적으로 표현한 것이다.
서버(120)는 동작별 임계치 이상의 재활 수행 데이터 및 환자의 재활 치료 프로그램 수행 성실도를 의사용 단말(130)에 전송한다.
의사용 단말(130)은 동작별 임계치 이상의 재활 수행 데이터 및 환자의 재활 치료 프로그램 수행 성실도를 기초로 재활 치료 프로그램의 구성을 변경할 수 있다.
재활 치료 프로그램의 구성 변경은 의사의 입력 신호에 기초하여 또는 프로세서에 의해 수행될 수 있다.
예를 들어, 임계치 이상의 동작 영상을 조합하여 변경된 재활 프로그램을 구성함으로써 기준 동작과 유사하게 수행하는 재활 동작만을 환자가 수행하게 할 수 있다.
일 실시예로서, 의사용 단말(130)은 기준 동작과 높은 유사도를 갖는 동작 영상의 재활 동작의 동작 횟수를 증가시키고, 기준 동작과 낮은 유사도를 갖는 동작 영상의 재활 동작의 동작 횟수를 감소시킴으로써 재활 치료 프로그램을 변경할 수 있다.
일 실시예로서, 의사용 단말(130)은 기준 동작과 낮은 유사도를 갖는 동작 영상의 재활 동작에 대하여는 단순화된 재활 동작으로 대체함으로써 재활 치료 프로그램을 변경할 수 있다.
의사용 단말(130)은 변경된 구성을 갖는 재활 치료 프로그램을 서버(120)로 또는 환자용 단말(110)로 출력할 수 있다.
변경된 구성을 갖는 재활 치료 프로그램이 서버(120)로 전송된 경우, 서버(120)는 재활 치료 프로그램을 최신 버전으로 업데이트한다.
서버(120)는 변경된 구성을 갖는 재활 치료 프로그램을 환자용 단말(110)로 전송한다.
일 실시예에서, 재활 치료 프로그램의 구성을 변경하는 것은 재활 치료 프로그램을 구성하는 동작의 순서를 변경하는 것, 재활 치료 프로그램을 구성하는 동작의 수행 지속시간을 조정하는 것, 재활 치료 프로그램을 구성하는 동작을 수행하는 횟수를 조정하는 것을 포함한다.
일 실시예에서, 서버(120)는 재활 치료 프로그램을 수행하도록 처방된 시간, 날짜, 동작 순서 및 횟수에 부합하여 얼마나 규칙적으로 환자가 재활 치료 프로그램을 수행하느냐에 따라 결정된다.
예를 들어, 의사가 주 3회, 각 회당 한 시간씩 재활 치료하라고 처방했는데, 환자가 월, 수, 금 오전 8시-9시 사이에 꾸준하게 재활 치료 프로그램을 수행했다면 성실도가 좋은 것으로 판단될 수 있다.
재활 치료 프로그램을 수행 날짜가 비정기적이거나 시간이 불규칙할수록, 그리고 정해진 날짜 수와 시간을 못 맞출수록 성실도가 불량한 것으로 판단될 수 있다.
일 실시예에서, 서버(120)는 재활 치료 프로그램을 수행하는 시간과 날짜 정보를 재활 수행 데이터가 수집된 시간과 날짜로부터 추출할 수 있다.
일 실시예에서, 서버(120)는 재활 치료 프로그램을 수행하는 동작 순서를 측정 데이터가 수집되는 근육의 종류 및 위치로부터 추정할 수 있다.
일 실시예에서, 서버(120)는 재활 치료 프로그램을 수행하는 횟수를 동일한 측정 데이터가 수집되는 반복 횟수로부터 추정할 수 있다.
도 2는 본 발명의 일 실시예에 따른 재활 치료의 효과를 정량적으로 계산하기 위한 방법의 일 예를 도시한 도면이다.
본 발명의 인공지능을 이용한 허리 디스크 환자용 재활 방법 및 시스템에 의하면, 환자에 의한 재활 동작 수행시 근육 관련 측정 데이터의 수집으로 재활 치료의 효과를 정량적으로 추정할 수 있다.
도 2에 도시된 바와 같이, 특정 재활 동작(210)에 관여되는 근육은 복수의 근육일 수 있다.
재활 동작(210)시 센서에 의하여 수집된 근육 관련 측정 데이터는 제1 근육의 근육 변형률, 제2 근육의 근육 변형률 및 제3 근육의 근육 변형률을 포함할 수 있다.
재활 동작(210)시 센서에 의하여 수집된 근육 관련 측정 데이터에 대하여 서버(120)는 각각의 근육마다 미리 결정된 가중치를 부여할 수 있다.
재활 동작(210)에서 자극을 많이 받아야 하는 근육에 대하여는 상대적으로 높은 가중치를 부여하고, 자극을 적게 받아야 하는 근육에 대하여는 상대적으로 낮은 가중치를 부여한다.
서버(120)는 제1 근육의 근육 변형률에 대하여 제1 가중치(220)를 부여하고, 제2 근육의 근육 변형률에 대하여 제2 가중치(221)를 부여하고 그리고 제3 근육의 근육 변형률에 대하여 제3 가중치(222)를 부여할 수 있다.
그런 다음 서버(120)는 가중치가 부여된 여러 근육 변형률을 합산하여 평균을 구함으로써 해당 재활 동작(210)에 대한 재활 효과를 정량적으로 표현할 수 있다.
근육 변형률 평균치를 이용하여, 환자는 재활 동작(210)에 관여하는 복수의 근육에 대한 효과를 보다 명확하게 정량적으로 판단할 수 있다.
척추 질환 환자의 재활 수행에 있어서, 환자마다 신체 구조, 근육, 통증 등이 다르므로 동일한 치료 프로세스를 통하여 치료를 진행할 수 없다. 예를 들어, 환자의 상태가 팔을 50도의 각도까지만 들어 올릴 수 있음에도 불구하고, 70도로 팔을 들어 올리는 치료 프로세스를 진행하게 하는 것은 통증을 유발하거나 오히려 증상을 악화시킬 수 있는 문제가 있다.
또한, 반대로 환자 회복 속도가 다른 환자들 보다 빨라서, 70도 까지 팔을 들어 올릴 수 있음에도 불구하고, 50도로 팔을 들어 올리는 치료 프로세스를 진행하게 하는 것은 환자에게 비효율적이다.
따라서, 본 발명의 목적은 의사의 별도의 진단 없이 인공 지능을 이용하여 환자의 재활 프로세스에서의 정확한 재활 동작 또는 재활 스테이지를 추천하고, 해당 재활 스테이지에서의 적절한 운동 빈도 또는 운동 범위를 제안할 수 있도록 하는 방법 및 시스템을 제공하는 것이다.
도 3은 본 발명의 다른 실시예에 따른 인공지능을 이용한 허리 디스크 환자용 재활 시스템의 구성을 개략적으로 도시한 도면이다.
본 발명의 다른 실시예에 따른 인공지능을 이용한 허리 디스크 환자용 재활 시스템(300)은 재활 치료 경과 분석부(310), 재활 수행 스테이지 적합도 산출부(320) 및 재활 수행 스테이지 추천부(330)를 포함한다.
일 실시예에서, 재활 치료 경과 분석부(310), 재활 수행 스테이지 적합도 산출부(320) 및 재활 수행 스테이지 추천부(330)는 서버(120)에 구성될 수 있다.
재활 치료 경과 분석부(310)는 허리 디스크 환자의 재활 치료 프로그램의 치료 경과를 분석한다. 즉, 재활 치료 경과 분석부(310)는 미리 결정된 재활 기간 동안 환자가 얼마나 잘 재활 치료 프로그램을 수행하였는지 여부를 분석한다. 재활 치료 프로그램의 치료 경과를 분석하기 위하여 환자용 단말(110)에 부착된 여러 센서를 이용할 수 있다. 재활 치료 프로그램은 복수의 스테이지로 구성되고, 각 스테이지는 치료 강도가 상이하게 구성될 수 있다.
높은 수준의 스테이지로 진행할 수록 치료 강도는 높아질 수 있다.
일 실시예에서, 치료 경과의 분석을 위하여 미리 결정된 재활 기간 동안의 근육 관련 특성 데이터의 변화 정도를 이용한다.
일 실시예에서, 근육 관련 특성 데이터는 근육 긴장도, 근육 경직도, 근육 탄성도, 근육 변형률 중 적어도 하나를 포함하고, 근육 관련 특성 데이터는 휴대용 근육 진단장비로 측정된다.
일 실시예에서, 근육 관련 특성 데이터는 환자가 착용한 웨어러블 센서에 의해 측정될 수 있다. 근육 관련 특성 데이터는 비침습 방식으로 골격근과 인대, 건등 연부 조직에서 디지털 접촉식으로 측정될 수 있다. 근육 관련 특성 데이터는 PC와 유선 또는 무선 통신 시스템과 연동하여 저장 및 디스플레이가 가능하도록 구성될 수 있다. 근육 관련 특성 데이터는 생체 의료 센서 패드가 부착된 근전계에 의해 측정될 수 있다.
본 발명의 다른 실시예에 따른 인공지능을 이용한 허리 디스크 환자용 재활 시스템(300)은 정해진 재활 기간 동안 환자의 측정 데이터를 저장할 수 있는 저장부(미도시)를 더 포함할 수 있다.
재활 수행 스테이지 적합도 산출부(320)는 근육 관련 특성 데이터를 이용하여 환자의 재활 치료 수행 중인 스테이지의 적합도를 산출한다.
환자에 의해 수행되는 재활 동작의 레벨(재활 스테이지)이 현재 환자의 중증 정도, 환자의 회복 속도, 환자의 질환 등에 비추어 적정한지 여부를 판단한다. 재활 치료 프로그램의 각 스테이지는 해당 스테이지에 대응하는 근육 관련 특성 데이터의 범위를 미리 특정하여 저장할 수 있다.
예를 들어, 근육 관련 특성 데이터가 환자의 척추에 배치된 복수의 근육의 평균 근육 변형률인 경우, 재활 수행 스테이지 적합도 산출부(320)는 각 스테이지에 해당하는 평균 근육 변형률의 범위를 지정한 테이블을 이용하여 환자가 재활 치료 수행 중인 스테이지의 적합도를 산출한다.
일 실시예에서, 재활 프로그램의 각 스테이지의 적합도는 환자의 중증도, 환자의 질환명, 환자의 질병 발병 지속 기한 등의 여러 요인을 고려하여 결정될 수 있다. 재활 프로그램의 각 스테이지의 적합도는 인공지능 재활 학습 모델의 학습 결과에 기초하여 결정될 수 있다.
예를 들어, 인공지능 재활 학습 모델은 동일 증상의 환자의 이력 데이터를 이용하여 각 스테이지에 대한 근육 관련 특성 데이터를 분류할 수 있다. 각 스테이지에 대한 근육 관련 특성 데이터를 분류시 환자의 중증 정도를 고려할 수 있다.
측정된 근육 관련 특성 데이터가 환자가 재활 치료 수행 중인 스테이지에 특정된 근육 관련 특성 데이터의 범위를 벗어나는 경우 적합도는 낮은 값으로 산출될 것이다.
적합도는 측정된 근육 관련 특성 데이터가 테이블에 미리 특정된 근육 관련 특성 데이터의 범위를 초과하여 벗어난 경우에는 (+)의 부호를 가질 수 있고, 미리 특정된 범위에 미치지 못하는 경우에는 (-)의 부호를 가질 수 있어서 방향성을 나타낼 수 있다.
재활 수행 스테이지 적합도 산출부(320)는 측정된 근육 관련 특성 데이터가 환자의 지정된 재활 스테이지에 대응하여 특정된 범위를 벗어나는 횟수를 카운트하여 적합도를 산출하도록 구성될 수 있다.
예를 들어, 환자는 3단계의 재활 스테이지를 수행하도록 의사로부터 지시 받았고, 3단계의 재활 스테이지에서 환자의 팔의 회전 각도 5도 내지 10도의 범위로 특정되어 있다고 가정한다. 환자에 부착된 웨어러블 센서를 이용하여 측정한 결과 70%의 비율로 미리 결정된 범위(팔의 회전 각도 회전 각도 5도 내지 10도)를 벗어나는 경우 적합도는 낮게 산출될 것이다.
재활 수행 스테이지 추천부(330)는 적합도가 임계치를 벗어나는 경우에 환자에 조정된 치료 강도를 제공하는 재활 수행 스테이지를 추천한다.
재활 수행 스테이지 추천부(330)는 재활 수행 스테이지 적합도 산출부(320)에서 산출된 적합도를 이용하여 적합도가 좋은 즉, 최적 매칭 스테이지를 추천할 수 있도록 동작할 수 있다.
재활 수행 스테이지 추천부(330)는 적합도가 (+)방향으로 초과하였는지, (-)방향으로 벗어났는지 여부에 따라 더 높은 스테이지 또는 더 나은 스테이지를 추천할 수 있다.
도 4는 본 발명의 일 실시예에 따른 인공지능을 이용한 허리 디스크 환자용 재활 시스템의 인공지능 재활 학습 모델의 학습 과정을 도시적으로 표현한 도면이다.
본 발명의 일 실시예에 따른 인공지능을 이용한 허리 디스크 환자용 재활 시스템은 미리 결정된 재활 기간 동안의 환자의 재활 수행 이력 데이터를 이용하여 학습된 인공지능 재활 학습 모델을 이용한다.
도 4에 도시된 바와 같이, 인공지능 재활 학습 모델은 미리 결정된 재활 기간 동안 재활 수행 빈도(410)와 근육 관련 특성 데이터(430)의 상관 관계를 학습한다.
즉, 재활 수행 빈도(410)에서 일일, 주간, 또는 월간 수행 빈도의 증가에 따른 근육 관련 특성 데이터(430)의 증가율 또는 재활 수행 빈도(410)에서 주별 수행 빈도의 증가에 따른 근육 관련 특성 데이터(430)의 증가율의 상관 관계를 학습할 수 있다.
다른 예로서, 재활 수행 빈도(410)에서 일일, 주간, 또는 월간 수행 빈도의 감소에 따른 근육 관련 특성 데이터(430)의 감소율 또는 재활 수행 빈도(410)에서 주별 수행 빈도의 감소에 따른 근육 관련 특성 데이터(430)의 감소율의 상관 관계를 학습할 수 있다.
추가적으로, 신체 부위의 운동 범위(420)와 근육 관련 특성 데이터(430)의 상관 관계를 학습한다.
일 예로서, 환자의 팔의 회전 각도의 증가에 따른 근육 관련 특성 데이터(430)의 변화율의 상관 관계를 학습할 수 있다.
인공지능 재활 학습 모델을 재활 프로그램의 모든 스테이지에서 학습시키는 것은 비효율적일 수 있으므로, 환자의 현재 중증 정도에 맞춰 최적의 스테이지에서의 이력 데이터를 이용하여 학습시킨 후, 다른 스테이지에서의 상관 관계를 예측할 수 있다.
도 4에서는 인공지능 재활 학습 모델을 위한 이력 데이터로서, 재활 수행 빈도, 신체 부위의 운동 범위를 제시하고 있으나, 이에 한정되는 것은 아니다.
인공지능 재활 학습 모델은 재활 프로그램의 특정 동작(예를 들어, 허리 굽힘 각도)에 따른 근육 관련 특성 데이터의 상관 관계가 학습되도록 구성될 수 있다.
도 5는 본 발명의 일 실시예에 따른 인공지능을 이용한 허리 디스크 환자용 재활 시스템의 학습된 인공지능 재활 학습 모델을 이용하여 새로운 재활 수행 스테이지에서 재활 정보를 예측하여 출력하는 과정을 도시적으로 표현한 도면이다.
일 실시예에서, 본 발명의 재활 수행 스테이지 추천부(330)는 미리 결정된 재활 기간 동안의 환자의 재활 수행 이력 데이터를 이용하여 학습된 인공지능 재활 학습 모델을 이용하여 추천된 재활 수행 스테이지에서의 환자의 신체 부위의 운동 범위를 제공하는 것을 특징으로 한다.
일 실시예에서, 환자의 신체 부위의 운동 범위는 팔의 회전 각도, 팔의 분당 회전 횟수 또는 환자의 허리의 굽힘 각도일 수 있고, 인공지능 재활 학습 모델은 미리 결정된 재활 기간 동안의 근육 관련 특성 데이터와 환자의 신체 부위의 운동 범위의 상관 관계에 기초하여 추천된 재활 수행 스테이지에서의 예상 근육 관련 특성 데이터에 대응하는 환자의 신체 부위의 운동 범위를 예측할 수 있다.
도 5에 도시된 바와 같이, 학습된 인공지능 재활 학습 모델은 추천된 재활 수행 스테이지에서 예상 근육 관련 특성 데이터에 대응하는 환자의 신체 부위의 운동 범위를 예측할 수 있다.
예를 들어, 치료 프로그램의 추천 스테이지에서의 예상 근육 관련 특성 데이터(520)에 대한 예측은 현재 재활 수행 중인 스테이지에 대한 추천 스테이지의 치료 강도에 비례하여 가중치를 적용함으로써 수행될 수 있다.
일 실시예에서, 인공지능 재활 학습 모델은 미리 결정된 재활 기간 동안의 근육 관련 특성 데이터와 환자의 재활 수행 일일 빈도, 주간 빈도, 및 월간 빈도 중 적어도 하나의 상관 관계에 기초하여 추천된 재활 수행 스테이지에서의 예상 근육 관련 특성 데이터에 대응하는 환자의 재활 수행 일일 빈도, 주간 빈도 및 월간 빈도 중 적어도 하나를 예측할 수 있다.
도 5에 도시된 바와 같이, 결정된 추천 재활 수행 스테이지(510)에서 예상 근육 관련 특성 데이터(520)을 도출함으로써, 학습된 이전 스테이지에서의 상관 관계를 이용하여 예상 근육 관련 특성 데이터에 대응하는 환자의 재활 수행 일일 빈도, 주간 빈도 및 월간 빈도 중 적어도 하나를 예측할 수 있다.
재활 학습 모델을 학습시키기 위한 이력 데이터는 환자의 나이, 질환, 중증 정도, 성별 등을 고려하여 선택될 수 있다.
본 발명의 일 실시예에 따른 인공지능을 이용한 허리 디스크 환자용 재활 시스템은 환자의 재활 수행 이력 데이터에 기초하여 재활 수행 스테이지의 레벨을 업그레이드 여부를 결정하는 재활 수행 스테이지 업그레이드부(미도시)를 더 포함할 수 있다.
일 실시예에서, 재활 수행 스테이지 업그레이드부는 환자의 팔의 회전 각도를 증가시키거나 환자의 팔의 분당 회전 횟수를 증가시킴으로써 재활 수행 스테이지의 레벨을 업그레이드시킬 수 있다.
일 실시예에서, 재활 수행 스테이지 업그레이드부는 환자가 일시적으로 재활 훈련을 잘했다고 레벨업(예를 들어, 팔의 회전 각도를 30도에서 60도로 업그레이드)을 바로 하는게 아니라, 환자의 과거의 재활 수행 이력 데이터를 이용해서, 환자의 과거로부터 현재까지의 재활 페이스를 고려했을 때, 환자의 재활 프로그램을 레벨업을 할지, 레벨업을 한다면 어떤 프로그램의 레벨업(팔의 회전 횟수 증가 또는 팔의 회전 각도 증가)을 할지를 결정한다.
일 실시예에서, 재활 수행 스테이지 업그레이드부가 다음 스테이지로 업그레이드할 때 '다음 스테이지'는 팔의 회전 횟수가 증가한 스테이지일수도 있고, 팔의 회전 각도가 증가한 스테이지일 수도 있다.
즉, '다음 스테이지'라는 것은 일차원적인 업 다운의 개념이 아니다.
환자의 재활 이력을 고려하여, 재활 수행 스테이지 업그레이드부가 스테이지를 업그레이드하기로 결정했다면, 재활 수행 스테이지 업그레이드부는 환자의 과거부터 현재까지 재활 페이스를 고려하여, "어떤 식으로 다음 스테이지를 제공할 것인가 예를 들어, 팔의 회전 횟수를 증가시킬 것인가, 팔의 회전 각도를 증가시킬 것인가, 둘 모두를 증가시킬 것인가, 팔의 회전 횟수 또는 팔의 회전 각도를 증가시킨다면 얼마나 많이 증가시킬 것인가 등을 결정하도록 구성된다.
도 6은 본 발명의 일 실시예에 따른 인공지능을 이용한 허리 디스크 환자용 재활 방법의 흐름도를 도시한 도면이다.
본 발명의 일 실시예에 따른 인공지능을 이용한 허리 디스크 환자용 재활 방법은 재활 치료 경과 분석 단계(S610), 재활 수행 스테이지 적합도 산출 단계(S620) 및 재활 수행 스테이지 추천 단계(S630)를 포함한다.
재활 치료 경과 분석 단계(S610)는 허리 디스크 환자의 재활 치료 프로그램의 치료 경과를 분석한다. 치료 경과의 분석은 미리 결정된 재활 기간 동안의 근육 관련 특성 데이터의 변화 정도에 기초하여 수행된다. 본 발명에서 재활 치료 프로그램은 복수의 스테이지로 구성되고, 각 스테이지는 치료 강도가 상이하다.
재활 수행 스테이지 적합도 산출 단계(S620)는 근육 관련 특성 데이터를 이용하여 환자의 재활 치료 수행 중인 스테이지의 적합도를 산출한다.
재활 수행 스테이지 추천 단계(S630)는 적합도가 임계치를 벗어나는 경우에 환자에 조정된 치료 강도를 제공하는 재활 수행 스테이지를 추천한다.
일 실시예에서, 근육 관련 특성 데이터는 근육 긴장도, 근육 경직도, 근육 탄성도, 근육 변형률 중 적어도 하나를 포함하고, 근육 관련 특성 데이터는 휴대용 근육 진단장비로 측정된다.
일 실시예에서, 근육 관련 특성 데이터는 환자의 척추에 배치된 복수의 근육의 평균 근육 변형률이고, 재활 수행 스테이지 적합도 산출 단계에서 각 스테이지의 치료 강도에 대응하는 평균 근육 변형률의 범위를 지정한 테이블을 이용하여 재활 치료 수행 중인 스테이지의 적합도를 산출한다.
일 실시예에서, 재활 수행 스테이지 추천 단계는 미리 결정된 재활 기간 동안의 환자의 재활 수행 이력 데이터를 이용하여 학습된 인공지능 재활 학습 모델을 이용하여 추천된 재활 수행 스테이지에서의 환자의 신체 부위의 운동 범위를 제공하는 것을 특징으로 한다.
일 실시예에서, 환자의 신체 부위의 운동 범위는 팔의 회전 각도, 팔의 분당 회전 횟수 및 환자의 허리의 굽힘 각도 중 적어도 하나를 포함하되, 인공지능 재활 학습 모델은 미리 결정된 재활 기간 동안의 근육 관련 특성 데이터와 환자의 신체 부위의 운동 범위의 상관 관계에 기초하여 추천된 재활 수행 스테이지에서의 예상 근육 관련 특성 데이터에 대응하는 환자의 신체 부위의 운동 범위를 예측하는 것을 특징으로 한다.
일 실시예에서, 인공지능 재활 학습 모델은 미리 결정된 재활 기간 동안의 근육 관련 특성 데이터와 환자의 재활 수행 일일 빈도, 주간 빈도, 및 월간 빈도 중 적어도 하나의 상관 관계에 기초하여 추천된 재활 수행 스테이지에서의 예상 근육 관련 특성 데이터에 대응하는 환자의 재활 수행 일일 빈도, 주간 빈도 및 월간 빈도 중 적어도 하나를 예측하는 것을 특징으로 한다.
일 실시예에서, 본 발명의 일 실시예에 따른 인공지능을 이용한 허리 디스크 환자용 재활 방법은 환자의 재활 수행 이력 데이터에 기초하여 재활 수행 스테이지의 레벨을 업그레이드 여부를 결정하는 재활 수행 스테이지 업그레이드 단계;를 더 포함하고, 재활 수행 스테이지 업그레이드 단계는 환자의 팔의 회전 각도를 증가시키거나 환자의 팔의 분당 회전 횟수를 증가시킴으로써 재활 수행 스테이지의 레벨을 업그레이드시킬 수 있다.
도 7은 본 발명의 다양한 실시예에 따른 장치 및/또는 시스템을 구현할 수 있는 예시적인 컴퓨팅 장치를 도시한 도면이다.
도 7을 참조하여 본 개시의 몇몇 실시예에 따른 장치들을 구현할 수 있는 예시적인 컴퓨팅 장치(700)를 보다 구체적으로 설명하기로 한다.
컴퓨팅 장치(700)는 하나 이상의 프로세서(710), 버스(750), 통신 인터페이스(770), 프로세서(710)에 의하여 수행되는 컴퓨터 프로그램(791)을 로드(load)하는 메모리(730)와, 컴퓨터 프로그램(791)을 저장하는 스토리지(790)를 포함할 수 있다. 다만, 도 7에는 본 개시의 실시예와 관련 있는 구성 요소들 만이 도시되어 있다.
따라서, 본 개시가 속한 기술분야의 통상의 기술자라면 도 7에 도시된 구성 요소들 외에 다른 범용적인 구성 요소들이 더 포함될 수 있음을 알 수 있다.
프로세서(710)는 컴퓨팅 장치(700)의 각 구성의 전반적인 동작을 제어한다. 프로세서(710)는 CPU(Central Processing Unit), MPU(Micro Processor Unit), MCU(Micro Controller Unit), GPU(Graphic Processing Unit) 또는 본 개시의 기술 분야에 잘 알려진 임의의 형태의 프로세서(710)를 포함하여 구성될 수 있다. 또한, 프로세서(710)는 본 개시의 실시예들에 따른 방법을 실행하기 위한 적어도 하나의 어플리케이션 또는 프로그램에 대한 연산을 수행할 수 있다. 컴퓨팅 장치(700)는 하나 이상의 프로세서(710)를 구비할 수 있다. 컴퓨팅 장치(700)는 인공 지능(AI)을 지칭할 수 있다.
메모리(730)는 각종 데이터, 명령 및/또는 정보를 저장한다. 메모리(730)는 본 개시의 실시예들에 따른 방법을 실행하기 위하여 스토리지(790)로부터 하나 이상의 프로그램(791)을 로드 할 수 있다. 메모리(730)는 RAM과 같은 휘발성 메모리로 구현될 수 있을 것이나, 본 개시의 기술적 범위가 이에 한정되는 것은 아니다.
버스(750)는 컴퓨팅 장치(700)의 구성 요소 간 통신 기능을 제공한다. 버스(750)는 주소 버스(Address Bus), 데이터 버스(Data Bus) 및 제어 버스(Control Bus) 등 다양한 형태의 버스로 구현될 수 있다.
통신 인터페이스(770)는 컴퓨팅 장치(700)의 유무선 인터넷 통신을 지원한다. 또한, 통신 인터페이스(770)는 인터넷 통신 외의 다양한 통신 방식을 지원할 수도 있다. 이를 위해, 통신 인터페이스(770)는 본 개시의 기술 분야에 잘 알려진 통신 모듈을 포함하여 구성될 수 있다.
몇몇 실시예들에 따르면, 통신 인터페이스(770)는 생략될 수도 있다.
스토리지(790)는 하나 이상의 프로그램(791)과 각종 데이터를 비임시적으로 저장할 수 있다.
스토리지(790)는 ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리 등과 같은 비휘발성 메모리, 하드 디스크, 착탈형 디스크, 또는 본 개시가 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독 가능 기록 매체를 포함하여 구성될 수 있다.
컴퓨터 프로그램(791)은 메모리(730)에 로드 될 때 프로세서(710)로 하여금 본 개시의 다양한 실시예에 따른 방법/동작을 수행하도록 하는 하나 이상의 명령들을 포함할 수 있다. 즉, 프로세서(710)는 하나 이상의 명령들을 실행함으로써, 본 개시의 다양한 실시예에 따른 방법/동작들을 수행할 수 있다.
이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 특허청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안될 것이다.

Claims (14)

  1. 허리 디스크 환자의 재활 치료 프로그램의 치료 경과를 분석하는 재활 치료 경과 분석부로서, 상기 치료 경과의 분석은 미리 결정된 재활 기간 동안의 근육 관련 특성 데이터의 변화 정도에 기초하여 수행되고, 상기 재활 치료 프로그램은 복수의 스테이지로 구성되고, 각 스테이지는 치료 강도가 상이한, 상기 재활 치료 경과 분석부;
    상기 근육 관련 특성 데이터를 이용하여 상기 환자의 재활 치료 수행 중인 스테이지의 적합도를 산출하는 재활 수행 스테이지 적합도 산출부; 및
    상기 적합도가 임계치를 벗어나는 경우에 상기 환자에 조정된 치료 강도를 제공하는 재활 수행 스테이지를 추천하는 재활 수행 스테이지 추천부;를 포함하되,
    상기 재활 수행 스테이지 추천부는 상기 미리 결정된 재활 기간 동안의 상기 환자의 재활 수행 이력 데이터를 이용하여 학습된 인공지능 재활 학습 모델을 이용하여 추천된 재활 수행 스테이지에서의 상기 환자의 신체 부위의 운동 범위를 제공하고, 상기 인공지능 재활 학습 모델은 상기 미리 결정된 재활 기간 동안의 상기 근육 관련 특성 데이터와 상기 환자의 신체 부위의 운동 범위의 상관 관계에 기초하여 상기 추천된 재활 수행 스테이지에서의 예상 근육 관련 특성 데이터에 대응하는 환자의 신체 부위의 운동 범위를 예측하고,
    상기 인공지능 재활 학습 모델은 상기 미리 결정된 재활 기간 동안의 상기 근육 관련 특성 데이터와 상기 환자의 재활 수행 일일 빈도, 주간 빈도, 및 월간 빈도 중 적어도 하나의 상관 관계에 기초하여 상기 추천된 재활 수행 스테이지에서의 예상 근육 관련 특성 데이터에 대응하는 상기 환자의 재활 수행 일일 빈도, 주간 빈도 및 월간 빈도 중 적어도 하나를 예측하는 것을 특징으로 하는, 인공지능을 이용한 허리 디스크 환자용 재활 시스템.
  2. 청구항 1에 있어서,
    상기 근육 관련 특성 데이터는 근육 긴장도, 근육 경직도, 근육 탄성도, 근육 변형률 중 적어도 하나를 포함하고, 상기 근육 관련 특성 데이터는 휴대용 근육 진단장비로 측정되는, 인공지능을 이용한 허리 디스크 환자용 재활 시스템.
  3. 청구항 1에 있어서,
    상기 근육 관련 특성 데이터는 상기 환자의 척추에 배치된 복수의 근육의 평균 근육 변형률이고, 상기 재활 수행 스테이지 적합도 산출부는 각 스테이지의 치료 강도에 대응하는 평균 근육 변형률의 범위를 지정한 테이블을 이용하여 상기 재활 치료 수행 중인 스테이지의 적합도를 산출하는, 인공지능을 이용한 허리 디스크 환자용 재활 시스템.
  4. 삭제
  5. 청구항 1에 있어서,
    상기 환자의 신체 부위의 운동 범위는 팔의 회전 각도, 팔의 분당 회전 횟수 및 상기 환자의 허리의 굽힘 각도 중 적어도 하나를 포함하는, 인공지능을 이용한 허리 디스크 환자용 재활 시스템.
  6. 삭제
  7. 청구항 5에 있어서,
    상기 환자의 재활 수행 이력 데이터에 기초하여 상기 재활 수행 스테이지의 레벨을 업그레이드 여부를 결정하는 재활 수행 스테이지 업그레이드부;를 더 포함하되,
    상기 재활 수행 스테이지 업그레이드부는 상기 환자의 팔의 회전 각도를 증가시키거나 상기 환자의 팔의 분당 회전 횟수를 증가시킴으로써 상기 재활 수행 스테이지의 레벨을 업그레이드하는 것을 특징으로 하는, 인공지능을 이용한 허리 디스크 환자용 재활 시스템.
  8. 허리 디스크 환자의 재활 치료 프로그램의 치료 경과를 분석하는 재활 치료 경과 분석 단계로서, 상기 치료 경과의 분석은 미리 결정된 재활 기간 동안의 근육 관련 특성 데이터의 변화 정도에 기초하여 수행되고, 상기 재활 치료 프로그램은 복수의 스테이지로 구성되고, 각 스테이지는 치료 강도가 상이한, 상기 재활 치료 경과 분석 단계;
    상기 근육 관련 특성 데이터를 이용하여 상기 환자의 재활 치료 수행 중인 스테이지의 적합도를 산출하는 재활 수행 스테이지 적합도 산출 단계; 및
    상기 적합도가 임계치를 벗어나는 경우에 상기 환자에 조정된 치료 강도를 제공하는 재활 수행 스테이지를 추천하는 재활 수행 스테이지 추천 단계;포함하되,
    상기 재활 수행 스테이지 추천 단계는 상기 미리 결정된 재활 기간 동안의 상기 환자의 재활 수행 이력 데이터를 이용하여 학습된 인공지능 재활 학습 모델을 이용하여 추천된 재활 수행 스테이지에서의 상기 환자의 신체 부위의 운동 범위를 제공하고,
    상기 인공지능 재활 학습 모델은 상기 미리 결정된 재활 기간 동안의 상기 근육 관련 특성 데이터와 상기 환자의 신체 부위의 운동 범위의 상관 관계에 기초하여 상기 추천된 재활 수행 스테이지에서의 예상 근육 관련 특성 데이터에 대응하는 환자의 신체 부위의 운동 범위를 예측하고,
    상기 인공지능 재활 학습 모델은 상기 미리 결정된 재활 기간 동안의 상기 근육 관련 특성 데이터와 상기 환자의 재활 수행 일일 빈도, 주간 빈도, 및 월간 빈도 중 적어도 하나의 상관 관계에 기초하여 상기 추천된 재활 수행 스테이지에서의 예상 근육 관련 특성 데이터에 대응하는 상기 환자의 재활 수행 일일 빈도, 주간 빈도 및 월간 빈도 중 적어도 하나를 예측하는 것을 특징으로 하는, 인공지능을 이용한 허리 디스크 환자용 재활 방법.
  9. 청구항 8에 있어서,
    상기 근육 관련 특성 데이터는 근육 긴장도, 근육 경직도, 근육 탄성도, 근육 변형률 중 적어도 하나를 포함하고, 상기 근육 관련 특성 데이터는 휴대용 근육 진단장비로 측정되는, 인공지능을 이용한 허리 디스크 환자용 재활 방법.
  10. 청구항 8에 있어서,
    상기 근육 관련 특성 데이터는 상기 환자의 척추에 배치된 복수의 근육의 평균 근육 변형률이고, 상기 재활 수행 스테이지 적합도 산출 단계에서 각 스테이지의 치료 강도에 대응하는 평균 근육 변형률의 범위를 지정한 테이블을 이용하여 상기 재활 치료 수행 중인 스테이지의 적합도를 산출하는, 인공지능을 이용한 허리 디스크 환자용 재활 방법.
  11. 삭제
  12. 청구항 8에 있어서,
    상기 환자의 신체 부위의 운동 범위는 팔의 회전 각도, 팔의 분당 회전 횟수 및 상기 환자의 허리의 굽힘 각도 중 적어도 하나를 포함하는, 인공지능을 이용한 허리 디스크 환자용 재활 방법.
  13. 삭제
  14. 청구항 12에 있어서,
    상기 환자의 재활 수행 이력 데이터에 기초하여 상기 재활 수행 스테이지의 레벨을 업그레이드 여부를 결정하는 재활 수행 스테이지 업그레이드 단계;를 더 포함하되,
    상기 재활 수행 스테이지 업그레이드 단계는 상기 환자의 팔의 회전 각도를 증가시키거나 상기 환자의 팔의 분당 회전 횟수를 증가시킴으로써 상기 재활 수행 스테이지의 레벨을 업그레이드하는 것을 특징으로 하는, 인공지능을 이용한 허리 디스크 환자용 재활 방법.





KR1020240105905A 2024-08-08 2024-08-08 인공지능을 이용한 허리 디스크 환자용 재활 방법 및 시스템 Active KR102816779B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020240105905A KR102816779B1 (ko) 2024-08-08 2024-08-08 인공지능을 이용한 허리 디스크 환자용 재활 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020240105905A KR102816779B1 (ko) 2024-08-08 2024-08-08 인공지능을 이용한 허리 디스크 환자용 재활 방법 및 시스템

Publications (1)

Publication Number Publication Date
KR102816779B1 true KR102816779B1 (ko) 2025-06-05

Family

ID=96016718

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020240105905A Active KR102816779B1 (ko) 2024-08-08 2024-08-08 인공지능을 이용한 허리 디스크 환자용 재활 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR102816779B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200015077A (ko) * 2018-08-02 2020-02-12 주식회사 엑소시스템즈 웨어러블 장치 및 사용자 전자 장치를 이용하여 재활 프로그램을 실행하는 재활 시스템
KR102551402B1 (ko) 2020-08-06 2023-07-05 재단법인 아산사회복지재단 척추측만증 자세교정장치, 자세교정방법 및 자세교정시스템, 컴퓨터 판독 가능한 기록 매체 및 컴퓨터 프로그램
KR20240000980A (ko) * 2022-06-24 2024-01-03 (주) 로임시스템 근전도 기반 피로도 분석을 통한 육체적 활동 비교 분석 장치, 육체적 활동 비교 분석 방법, 그 방법을 구현하기 위한 컴퓨터 프로그램이 저장된 컴퓨터로 판독 가능한 기록매체 및 컴퓨터로 판독 가능한 기록매체에 저장된 프로그램

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200015077A (ko) * 2018-08-02 2020-02-12 주식회사 엑소시스템즈 웨어러블 장치 및 사용자 전자 장치를 이용하여 재활 프로그램을 실행하는 재활 시스템
KR102551402B1 (ko) 2020-08-06 2023-07-05 재단법인 아산사회복지재단 척추측만증 자세교정장치, 자세교정방법 및 자세교정시스템, 컴퓨터 판독 가능한 기록 매체 및 컴퓨터 프로그램
KR20240000980A (ko) * 2022-06-24 2024-01-03 (주) 로임시스템 근전도 기반 피로도 분석을 통한 육체적 활동 비교 분석 장치, 육체적 활동 비교 분석 방법, 그 방법을 구현하기 위한 컴퓨터 프로그램이 저장된 컴퓨터로 판독 가능한 기록매체 및 컴퓨터로 판독 가능한 기록매체에 저장된 프로그램

Similar Documents

Publication Publication Date Title
CN112955066B (zh) 治疗空间评估
US20190076098A1 (en) Artificial Neural Network Based Sleep Disordered Breathing Screening Tool
US20220330879A1 (en) Systems and methods for monitoring the state of a disease using a biomarker, systems and methods for identifying a biomarker of interest for a disease
CN109599165A (zh) 康复运动训练方法、系统及可读存储介质
Sherrill et al. Using hierarchical clustering methods to classify motor activities of COPD patients from wearable sensor data
JP2017519557A (ja) リハビリテーションシステム及び方法
CN118001587A (zh) 一种基于低频电刺激盆底肌肉神经的康复设备控制方法
EP4038629A1 (en) Prediction of disease status
CN116570283A (zh) 一种围手术期患者情绪监测系统及方法
JP6402345B1 (ja) 指導支援システム、指導支援方法及び指導支援プログラム
CN119446542A (zh) 用于骨科护理的智能分析系统及方法
KR102749035B1 (ko) 재활 수행 패턴 분석을 통한 맞춤형 알람 방법 및 시스템
KR102816779B1 (ko) 인공지능을 이용한 허리 디스크 환자용 재활 방법 및 시스템
JP7609694B2 (ja) 健診システム、健診結果処理プログラム、および、健診結果処理方法
KR102816780B1 (ko) 허리 디스크 환자 재활용 장치
WO2022249111A1 (en) Stroke rehabilitation therapy predictive analysis
KR102733778B1 (ko) 인공지능 영상 분석 기술을 이용한 척추 질환 환자 재활 모니터링 및 특징 동작 추출 방법 및 시스템
KR102602654B1 (ko) 생체 역학적 운동 효율분석 및 부상 방지를 위한 지능형 개인 운동 모니터링 장치 및 그 방법
Adochiei et al. Design and implementation of a body posture detection system
KR102749037B1 (ko) 운동 치료에 따른 부작용 공유 방법 및 시스템
Mańka et al. Methods for Assessing the Subject’s Multidimensional Psychophysiological State in Terms of Proper Rehabilitation
CN116803447B (zh) 模型构建方法、参数配置方法以及相关装置
CN119807897B (zh) 卧位变化提醒方法、装置、介质及电子设备
JP7754179B2 (ja) 学習装置、行動推薦装置、学習方法、行動推薦方法及びプログラム
Alhammad et al. Review of Physical Activities Recognition for Patients with Spinal Cord Injuries

Legal Events

Date Code Title Description
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20240808

PA0201 Request for examination

Patent event code: PA02011R01I

Patent event date: 20240808

Comment text: Patent Application

PA0302 Request for accelerated examination

Patent event date: 20240808

Patent event code: PA03022R01D

Comment text: Request for Accelerated Examination

Patent event date: 20240808

Patent event code: PA03021R01I

Comment text: Patent Application

PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20241121

Patent event code: PE09021S01D

E701 Decision to grant or registration of patent right
PE0701 Decision of registration

Patent event code: PE07011S01D

Comment text: Decision to Grant Registration

Patent event date: 20250508

GRNT Written decision to grant
PR0701 Registration of establishment

Comment text: Registration of Establishment

Patent event date: 20250530

Patent event code: PR07011E01D

PR1002 Payment of registration fee

Payment date: 20250530

End annual number: 3

Start annual number: 1

PG1601 Publication of registration