그래프 신경망을 사용한 개인맞춤형 재활 운동 추천 시스템 (Personalized Exercise Recommender Systems for Rehabilitation Using Graph Neural Networks)

서지정보

· 발행기관 : 한국통신학회
· 수록지 정보 : 한국통신학회논문지 / 47권 / 4호 / 644 ~ 655페이지
· 저자명 : 김수연, 오정헌, 오다건, 서창원, 신원용

초록

최근 재활 치료 영역에도 딥러닝, 인공지능, 빅데이터 기술 등을 적용한 스마트 재활 치료 관련 기술 개발이활발하게 진행되고 있다. 본 논문에서는 그래프 구조를 보다 효과적으로 반영하는 그래프 신경망을 사용하여 환자개인별 특성에 맞는 개인맞춤형 재활 운동 추천 알고리즘 기술을 제안한다. 의료법에 의해 실제 환자 데이터 사용이 불가능한 관계로 본 연구에서는 무릎 질환 환자의 속성 데이터를 생성하고, 다양한 재활 프로그램을 선정하여데이터 교차 검증을 통해 환자-운동 간의 경험 데이터셋을 생성한다. 각 사용자에 대한 모든 아이템 예측 선호도중 가장 높은 개의 아이템을 추천하는 Top- 추천 시스템 시나리오에서 정밀도, 재현율, nDCG를 척도로 제안방법의 성능을 검증한다. 생성된 데이터셋 사용시 본 논문에서 제안하는 방법이 기존의 추천 알고리즘에 비해 모든 정확도 측면에서 더욱 우수함을 보인다.

영어초록

Recently, in the field of rehabilitation treatment, applications of deep learning, artificial intelligence, and big data technology to smart rehabilitation treatment have been actively studied. In this paper, we propose a personalized exercise recommender system for rehabilitation suitable for each patient's individual characteristics using a graph neural network (GNN), which captures the graph structure more effectively. Since it is impossible to use actual patient data due to the legal issue for data collection, this paper synthetically generates attribute data of knee disease patients, selects various rehabilitation programs, and generates empirical patient-exercise connectivity data using cross-validation. The performance of proposed model is evaluated in terms of precision, recall, nDCG in the top- recommendation scenario, recommending the top-N items among all the predicted preferences for each user. When the generated dataset is used, it is empirically demonstrated that the proposed method outperforms the conventional recommendation algorithm in terms of all performance metrics.

참고자료

· 없음