Single-camera pose estimation for quantitative assessment of balance deficits: a proof-of-concept using graded acute alcohol intake
이 개념 증명 연구는 단일 카메라 기반의 마커리스 포즈 추정 시스템이 천장 효과로 인해 손상을 감지하지 못하는 경우가 많은 기존의 임상 평점 척사보다 급성 알코올 섭취로 유발된 단계적 균형 결손을 현저히 더 높은 민감도와 정확도로 감지할 수 있음을 입증한다.
원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
균형은 뇌와 신체 사이의 조용하고 지속적인 협상이다. 이는 눈, 내이, 그리고 근육과 관절의 센서가 뇌로 신호를 보내고, 뇌가 다시 우리를 똑바로 서 있게 하기 위해 미세하고 보이지 않는 조정을 수행하는 연속적인 루프에 의존한다. 뇌졸중이나 파킨슨병과 같은 질환으로 인해 이 루프가 방해받으면, 가만히 서 있거나 안전하게 걷는 능력이 사라질 수 있다. 수십 년 동안 의사들은 이 능력을 측정하기 위해 버그 균형 척도(Berg Balance Scale)라고 불리는 표준 체크리스트에 의존해 왔다. 임상의는 환자가 한 발로 서 있기나 몸 돌리기와 같은 일련의 과제를 수행하는 것을 관찰하고, 과제가 얼마나 잘 완료되었는지에 따라 0점에서 4점 사이의 점수를 부여한다. 이 방법은 널리 사용되지만, 근본적인 결함이 있다. 즉, 그것은 투박한 도구라는 점이다. 그것은 성공 또는 실패라는 최종 판단을 기록할 뿐, 사람이 실제로 넘어지기 전에 발생하는 미세한 떨림, 약간의 흔들림, 또는 미세한 조정을 포착하지 못한다. 더 나로와는, 이미 상당히 안정적인 상태인 사람들에게 이 척도는 천장에 부딪힌다(ceiling effect). 만약 환자가 30초 동안 안전하게 서 있을 수 있다면, 그들은 가장 높은 점수를 받게 되는데, 이는 환자의 균형이 어제보다 약간 나빠졌더라도 마찬가지다. 이로 인해 기능이 양호한 사람들에게서 미세한 개선이나 저하를 추적하는 것이 거의 불가능해지며, 이는 정밀한 측정이 가장 필요한 재활 단계에서 매우 중요하다.
이 문제를 해결하기 위해, ETH 취리히와 바덴 주립 병원의 연구진은 단순한 비디오 카메라가 인간 관찰자가 놓치는 균형의 변화를 감지할 수 있는지 알아보기 위해 연구를 시작했다. 그들은 정밀하게 측정할 수 있는, 알려져 있고 통제된 균형의 변화를 만들어낼 방법이 필요했다. 그들은 알코올을 선택했다. 건강한 자원봉사자들에게 특정 양의 알코올을 마시게 함으로써, 연구진은 균형을 조절하는 바로 그 부분인 소뇌와 전정 기관에 점진적이고 단계적인 손상을 유도할 수 있었다. 이를 통해 연구진은 '진정한' 손상 수준이 알려진 조건 하에서 새로운 디지털 방식과 표준 임상 척도를 테스트할 수 있었다. 연구팀은 24명의 건강한 성인을 대상으로 두 발로 서 있는 것부터 눈을 감고 한 발로 서 있는 것에 이르기까지 6가지의 서로 다른 기립 과제를 수행하도록 했다. 이 작업은 혈중 알코올 농도가 0, 0.6 퍼밀(per mille), 1.0 퍼밀인 세 가지 서로 다른 수준에서 진행되었다. 모든 세션은 참가자 앞에 배치된 스마트폰에서 흔히 볼 수 있는 평범한 소비자용 카메라 한 대를 사용하여 촬영되었다.
연구진은 비디오를 분석하기 위해 고급 컴퓨터 소프트웨어를 사용했다. 사람이 사람의 안정감을 추측하게 하는 대신, 소프트웨어는 사람의 신체 프레임을 프레임 단위로 추적하여 자세의 디지털 골격을 생성했다. 이 비디오로부터 컴퓨터는 몸이 좌우로 얼마나 흔들리는지, 몸통이 얼마나 움직이는지, 혹은 균형을 잡기 위해 발걸음을 옮기는지 등 167가지의 서로 다른 움직임 측정값을 계산했다. 연구팀은 가장 민감한 측정값들을 선택하여 하나의 디지털 점수로 결합했다. 그런 다음 이 디지털 점수를 동일한 영상을 시청한 훈련된 인간 평가자가 부여한 점수(단순화된 표준 균형 척도 사용)와 비교했다. 인간 평가자는 사람이 넘어지거나 도움을 필요로 하지 않고 자세를 유지할 수 있는 시간을 기준으로 0점에서 4점 사이의 점수를 부여했다.
결과는 두 방법이 포착하는 바에 명확한 차이가 있음을 보여주었다. 표준 척도를 사용하는 인간 평가자는 모든 실험의 77%에서 최대 점수인 4점을 부여했다. 이는 대부분의 경우, 참가자들이 알코올을 더 많이 마시고 균형이 악화되었음에도 불구하고 인간 관찰자는 아무런 변화를 감지하지 못했음을 의미한다. 척도가 한계에 도달한 것이다. 즉, 인간 관찰자는 완벽하게 안정적인 상태와 약간 불안정하지만 여전히 서 있는 상태를 구분하지 못했다. 반면, 단일 카메라에서 유도된 디지털 점수는 하락세를 계속해서 기록했다. 컴퓨터 기반 측정 방식은 대다수의 참가자에게서 알코올 섭취의 세 단계를 올바르게 순위 매길 수 있었으며, 평균 정확도는 86%를 달성했다. 반면 인간의 평가는 약 59%의 확률로만 이를 정확히 수행했다. 디지털 점수는 맨정신 상태와 저용량 상태 사이의 차이를 더 잘 감지했으며, 저용량과 고용량 사이의 차이는 더욱 뛰어났다.
아마도 가장 드러나는 발견은 맨정신 상태와 고농도 알코올 상태 모두에서 인간 평가자로부터 최대 점수인 4점을 받은 참가자 그룹에서 나타났을 것이다. 인간의 눈에는 이들이 변함없는 것처럼 보였다. 그러나 디지털 점수는 알코올 수치가 높아짐에 따라 신체 흔들림이 유의미하게 꾸준히 증가함을 보여주었다. 컴퓨터는 인간 관찰자가 완전히 놓친 점진적인 균형 저하를 감지해 냈다. 이는 표준 척도의 최고점이 그 사람의 균형이 완벽하다는 것을 의미하는 것이 아니라, 단지 그 사람의 수행 능력이 해당 척도의 최상위 범주에 속한다는 것을 의미한다는 점을 입증했다. 물리적 단위로 실제 움직임을 측정하는 디지털 방식은 전통적인 테스트의 천장에 의해 숨겨진 손상을 볼 수 있었다.
연구는 또한 인간 평가자들이 얼마나 신뢰할 수 있는지 조사했다. 두 명의 서로 다른 전문가가 동일한 영상을 시청했을 때, 그들은 83%의 확률로 정확히 일치하는 점수를 부여했다. 그러나 이러한 높은 일치율은 주로 두 전문가 모두 동일한 사람들에게 최고 점수를 부여했기 때문에 발생한 것이었다. 연구진이 최고 점수를 받지 않은 실험만을 살펴보았을 때, 두 전문가 사이의 일치도는 30%로 떨어졌다. 이는 인간이 경계선에 있는 사례에 대해 실제적인 결정을 내려야 할 때, 그들의 판단이 상당히 가변적임을 시사한다. 수학적 계산에 기반한 디지털 점수는 이러한 가변성을 겪지 않았다.
연구진은 단 한 대의 평범한 카메라가 표준 임상 등급이 포착할 수 없는 미세한 균형의 디테일을 잡아낼 수 있다고 결론지었다. 디지털 점수는 알코올 용량에 따른 효과를, 균형 문제가 전혀 없는 것으로 평가된 사람들조차도 추적할 수 있었다. 이것이 인간 관찰자가 무용하다는 뜻은 아니지만, 전통적인 척도가 기능이 양호한 사람들에게 사각지대가 있음을 보여준다. 디지털 접근 방식은 값비싼 장비, 신체에 부착하는 특수 마커, 또는 실험실 환경 없이도 균형을 연속적이고 객관적으로 측정할 수 있는 방법을 제공한다. 이는 향후 단순한 비디오가 환자의 회복이나 저하를 모니터링하는 데 훨씬 더 민감한 도구가 되어, 너무 커져서 무시할 수 없을 때까지 기다리지 않고도 변화를 포착할 수 있음을 시사한다. 이 연구는 카메라가 눈이 보지 못하는 것을 본다는 것을 증명하며, 단순한 기록을 정밀한 안정성 측정치로 탈바꿈시킨다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.