홈으로 이동

연구명

Machine Learning-Based Classification of Early-Stage Parkinson’s Disease Using Electromyography Features During the Sit-to-Walk Task

책임교수
염창홍

저자명

심규원, 장서영, 강문경, 유창홍, 황주선, 김민수

연구내용

본 연구는 앉은 자세에서 일어나 걷는 동작(Sit-to-Walk, STW) 중 측정한 하지 근전도(EMG) 데이터를 활용하여

초기 파킨슨병 환자와 건강인을 구분할 수 있는 주요 생체지표를 분석한 연구이다.

초기 파킨슨병 환자 63명과 건강인 43명을 대상으로 하지 근육의 활성도와 근육 간 공동수축 특성을 분석하고,

머신러닝 기반 분류모델을 적용하였다. 분석 결과, STW 동작의 특정 구간에서 나타나는 근육 활성 및 공동수축 관련

8개 지표가 초기 파킨슨병 분류에 유의한 특성을 보였으며, 선정된 지표를 활용한 SVM 모델에서 82.5±5.5%의 분류 정확도를 확인하였다.

이를 통해 STW 동작 중 측정되는 근전도 특성이 초기 파킨슨병의 운동기능 변화를 파악하고 머신러닝 기반 조기 분류에 활용될 가능성을 제시하였다.