Predicting Sensory Organization Test Results With Reduced Protocols Based on Deep Learning

Abstract

본 논문에서는 지각조절검사 (SOT) 일부에서 얻어진 신체 무게중심 (COG) 이동 데이터를 딥러닝에 기반하여 분석해 주어진 SOT의 결과들을 예측하는 방법을 제안한다. SOT는 움직이는 발판과 변화하는 시각 환경의 조합에 따라 몇 가지의 프로토콜로 나누어진다. 피검사자는 발판 위에 서서 중심을 잃지 않도록 해야 하고 발판이 무게 등을 측정하여 멀티채널 1차원 신호인 COG 이동 데이터가 만들어진다. 본 논문에서는 검사에 들어가는 물적 시간적 비용을 줄이기 위해 적은 정보를 활용하여 검사 결과를 예측하는 딥러닝 모델을 제안하여 피검사자가 받아야 하는 SOT의 횟수를 줄일 수 있도록 한다. 본 논문에서 제안하는 방법은 적은 양의 데이터에서 정상 및 비정상을 판별하기 위한 특징을 딥네트워크를 통해 추출하는데 이처럼 딥네트워크에 기반하여 COG 패턴을 활용하는 연구는 목소리나 다른 생체 신호를 활용하는 연구에 비해 매우 찾아보기 힘들다. 따라서 본 논문은 COG 패턴의 생의학적 측면을 연구하고자 하는 이에게 가이드라인을 제시할 수 있다. 본 논문은 딥네트워크 구조, COG 패턴에 적용하는 변환, 딥네트워크 학습 방식 등에 대해 다양한 실험을 수행하였고 그 결과 비정상을 찾아내는 문제에 대해 90%내외의 정밀도(precision)와 재현율(recall)을 달성하였다.