Wearable Devices for Movement Disorder Monitoring using Convolutional Neural Network

Abstract

파킨슨병은 뇌의 도파민을 생성하는 세포가 죽어가며 발생하는 노인들에게 흔히 관찰되는 신경 질환이다. 파킨슨병은 신체의 운동 기능을 약화시켜 환자의 삶의 질을 감소시킨다. 병의 정확한 측정과 진단이 증상을 경감시킬 수 있는 적절한 치료를 처방하는 데 필수적이다. 본 논문에서는 착용형 기기로 데이터를 측정하고 이를 합성곱 신경망(Convolutional Neural Network)을 사용하여 분석하는 파킨슨병 증상 평가 시스템을 제안하고자 한다.<br/> 진전증(Tremor)은 파킨슨병 환자에게 가장 흔히 목격되는 증상이다. 이는 신체의 일부가 비자발적으로 빠르게 움직이는 것을 의미한다. 본 연구에서는 진전 증상 계측에 특화된 장비를 개발하여 92명의 파킨슨 환자로부터 데이터를 측정하였다. 해당 장비는 가속도계와 각속도계가 장착되어 있는 손목 시계형 시스템이다. 두 명의 신경과 전문의들이 측정된 데이터와 동시에 녹화된 비디오를 관측하여 기존의 임상 관행인 Unified Parkinsons Disease Rating Scale (UPDRS)의 기준에 따라 환자의 증세를 평가하였다. 계측된 데이터는 신경망 학습을 위해 고속 푸리에 변환(Fast Fourier Transform)을 이용하여 주파수 영역으로 변환되었고 센서의 데이터를 합쳐 2차원 영상으로 구축되었다. 합성곱 신경망의 필터가 진전 증상 신호와 합성곱 연산을 통해 진단에 필요한 특성들을 학습하게 된다. 제안한 합성곱 신경망 구조는 기존 문헌들의 기계 학습 알고리즘의 결과들과 비교되었고 성능을 크게 상회하는 것으로 나타났다 (정확도=0.85, 일치도=0.85). 이 연구 결과를 통해 일상생활 속 파킨슨병의 진전증 평가가 더 정확해지고 용이해질 것이라 기대된다.<br/> 보행 동결(Freezing of gait)증상은 파킨슨병의 또 다른 흔한 증세 중 하나이다. 이는 걷고 싶은 의지가 있음에도 불구하고, 환자의 걸음 폭을 크게 감소시키거나 아예 움직이지 못하게 만든다. 이러한 증상은 일상생활을 단순히 불편하게 하는 것뿐만 아니라 낙상의 확률을 증가시키므로 상해의 위험이 있다. 기존 연구에서는 환자가 여러 개의 센서를 착용해야 한다는 점, 진단 알고리즘을 수행하기 위한 추가적인 기기가 필요하다는 점 등의 단점이 있었다. 또한 이러한 평가 알고리즘에서 사용된 신호의 특성들이 인간이 추출한 낮은 수준의 특성이라는 한계 또한 있었다. 본 연구에서는 합성곱 신경망과 스마트폰을 이용한 보행 동결 탐지 시스템을 개발하였다. 환자의 주머니에 스마트폰을 착용시켜 32명의 보행 동결을 포함한 보행 신호를 계측하였다. 합성곱 신경망을 학습시키기 위해 계측된 움직임 데이터는 고속 푸리에 변환을 통해 2차원 이미지로 변환되었다. 최적화 과정을 통해 보행 동결 탐지에 특화된 합성곱 신경망 모델이 도출되었다. 알고리즘의 성능은 93.8%의 민감도와 90.1%의 특이도를 보여 주었고, 기존 문헌 대비 향상된 정확도를 가지는 것으로 나타났다. 본 기술을 이용하여 만성 질환을 앓고 있는 파킨슨 환자가 일상생활 속에서 정확하고 연속적으로 보행 동결 증상을 모니터링할 수 있으리라 예상된다.<br/>