Smart Device-Based Deep Learning Model for Sarcopenia Monitoring and Motion prediction

본 연구는 근감소증 판별과 근감소증으로 인한 낙상 등의 동작 감지를 위한 딥러닝 모델 연구 를 수행한다. 스마트폰의 높은 보급률을 활용하여 추가 구매 물품 없이 근감소증을 관찰할 수 있 는 시스템을 제안하고 가능성을 확인한다. 스마트폰에 내장된 9축 IMU 센서를 활용해 정상 걸음, 비정상 걸음, 낙상, 달리기, 스쿼트 자세에 대한 데이터 총 307,584개를 수집한 후 학습을 통해 최 적의 알고리즘을 확인한다. 근감소증 판별을 위해 이진 데이터 분류 모델과 움직임 또는 동작 분 류 모델인 다중 분류 모델의 최적 알고리즘을 확인한다. 이진 분류 모델에서 GRU 모델이 정확도 가 100%로 정확도와 속도가 가장 높았고 다중 분류 모델의 경우 CNN-GRU를 활용한 경우 93.72%로 가장 높았고 연구에서 제안하는 모델에서 학습 속도 또한 172.16초로 가장 빨랐다. 본 연구를 통해 운동 예측 또는 동작 감지와 같은 딥러닝 모델의 최적 조합을 확인했으며, 디지털 헬스케어 분야와 실시간 인공지능 처리 시스템 연구 등에 활용될 수 있을 것이다.