Transformer-Based Framework for Motion Capture Denoising and Anomaly Detection in Medical Rehabilitation
Created by
Haebom
저자
Yeming Cai, Yang Wang, Zhenglin Li
개요
본 논문은 광학식 동작 캡쳐와 Transformer 기반 모델을 통합한 엔드-투-엔드 심층 학습 프레임워크를 제안하여 의료 재활을 향상시킵니다. 폐색 및 환경적 요인으로 인한 데이터 노이즈 및 결손 데이터 문제를 해결하고, 실시간으로 비정상적인 움직임을 감지하여 환자의 안전을 확보합니다. 시간적 순서 모델링을 활용하여 모션 캡쳐 데이터의 잡음 제거 및 보완을 수행하여 강건성을 향상시킵니다. 뇌졸중 및 정형외과 재활 데이터셋에 대한 평가 결과 데이터 재구성 및 이상 탐지에서 우수한 성능을 보이며, 현장 감독을 줄인 원격 재활을 위한 확장 가능하고 비용 효율적인 솔루션을 제공합니다.
시사점, 한계점
•
시사점:
◦
광학식 모션 캡쳐 데이터의 노이즈 및 결손 문제 해결을 통한 의료 재활의 효율성 증대.
◦
실시간 비정상 움직임 감지 기능을 통한 환자 안전 확보.
◦
원격 재활 시스템의 확장성 및 비용 효율성 증대.
◦
Transformer 기반 모델을 활용한 시간적 순서 모델링의 효과적인 적용.
•
한계점:
◦
특정 데이터셋(뇌졸중 및 정형외과 재활 데이터셋)에 대한 평가 결과만 제시되어 일반화 가능성에 대한 추가 검증 필요.
