마커리스 동작분석 데이터를 활용한 LSTM 모델 학습을 통해 위팔두갈래근의 근피로도예측 평가 사전 연구 (Pilot study:Prediction of biceps brachii’s Muscle Fatigue based on LSTM model using Marker-less Motion Analysis data)

서지정보

· 발행기관 : 한국재활복지공학회
· 수록지 정보 : 재활복지공학회논문지 / 17권 / 4호 / 331 ~ 338페이지
· 저자명 : 최준원, 김종민, 송창현, 김한성

초록

본 연구는 마커리스 동작분석 데이터 기반 LSTM 모델을 통한 근전도 신호 예측 결과를 확인하고자 한다. 일반적으로 근육의 부상을 방지하기 위해 근전도 신호를 관찰하며, 반복적인 신축성 운동은 근육 부상을 유발할 수 있다고 한다. 근육 부상이 유발되는 운동은 근전도 신호의 저주파 영역이 증가하는 경향성으로 나타난다. 이를 토대로 많은 연구에서 근전도 신호의 중앙 주파수 영역을 관찰하여 근피로 정도를 확인한다. 또한, 인공지능 기술을 통해 불규칙한 정보에서 패턴을 찾아내고 이를 학습하여 신호 예측 결과를 향상시킬 수 있다고 한다. 따라서 본 연구에서는 등장성 운동 환경에서 마커리스 동작분석 데이터 기반 딥러닝 모델 중 하나인 LSTM을 활용하여 근전도 신호의 예측을 하고자 한다. 실험 참가자는 총 5명(나이: 26±1.73 years, 키: 171.4±4.10 cm, 몸무게: 67.2±3.56 kg)으로 위팔 두갈래근의 근전도 신호 변화를 관찰하기위해 원암덤벨컬을 진행하였다. 1회당 운동 속도는 30bpm으로 설정하였으며, 해당 조건에 만족하지 못한 경우 실험을 종료하였다. 실험 중, 근전도신호와 팔과 어깨의 관절에 대한 정보를 수집하였다. 실험 결과, 세트내 근전도 신호의 중앙 주파수 수치는 평균 13.884±1.856% 감소하였으며, 마커리스 동작분석 데이터 결과상, 세트 수가 증가하면서 부위별 주기가 평균적으로 32.39±4.447% 감소하는 것으로 나타났다. 수집된 정보를 토대로 LSTM 모델의 AUC 결과 85.41%로 높은 정확도를 확인할 수 있었다. 이를 통해 마커리스 동작분석 데이터를 기반으로 근전도 신호의 예측 가능성을 확인할 수 있었다.

영어초록

This study aims to confirm the results of EMG signal prediction through the LSTM model based on marker-less motion analysis data. In general, electromyography signals are observed to prevent muscle injury, and repeated stretch exercises can cause muscle injury. Exercise that causes muscle injury appears as a tendency for the low-frequency region of the EMG signal to increase. Based on this, many studies observe that the median frequency of the EMG signal to confirm the degree of muscle fatigue. In addition, it is said that artificial intelligence technology can find patterns in irregular information and learn them to improve signal prediction results. Therefore, this study aims to predict EMG signals using LSTM, one of the marker-less motion analysis data-based deep learning models in an isotonic exercise environment. 5 participants (age: 26±1.73 years, height: 171.4±4.10 cm, weight: 67.2±3.56 kg) participated in the experiment, and the One arm Dumbbell curl was performed to observe the EMG signal change of the upper arm's brachii muscle. The exercise speed per time was set to 30bpm, and if the condition was not satisfied, the experiment was terminated. During the experiment, EMG signals and information on the joints of arms and shoulders were collected. As a result of the experiment, the central frequency level of the EMG signal in the set decreased by 13.884±1.856% on average, and marker-less motion analysis data showed that the period of each part decreased by 32.39±4.447% as the number of sets increased. Based on the collected information, the AUC result of the LSTM model was 85.41%, confirming high accuracy. Through this, it was possible to confirm the predictability of the EMG signal based on the marker-less motion analysis data.

참고자료

· 없음