Development of rehabilitation exercise program using AI-based motion analysis system

Abstract

본 연구는 장애인들의 재활운동 시 흥미와 동기부여를 주기위하여 AI기반 동작분석 시스템을 활용하여 맞춤형 재활운동 프로그램을 개발하고자하였다. Mediapipe 알고리즘을 사용하여 동작분석 시스템을 개발하였다. 1차 프로그램은 상지운동을 기반으로 3가지(체스트 프레스, 숄더플레스, 암컬) 동작에 대해 동작횟수를 체크하는 시스템을 개발하였다. 2차 프로그램의 경우 크로스핏 운동으로 재활운동에 있어 기초가 되는 5가지 동작(스쿼트, 암컬, 체스트프레스, 레트럴레이지, 딥)에 대하여 프로그램화 하였다. 2차 프로그램에서는 맞춤형 재활운동을 진행 할 수 있도록 운동전 각자의 운동 범위를 파악할 수 있는 시스템을 만들었다. 측정된 운동범위 기반으로 동작의 횟수를 카운트할 수 있도록 하였다. 운동에 흥미를 가질 수 있도록 본인의 모습이 화면이 투영되고 각 동작 횟수를 체크하여 칼로리를 계산할 수 있도록 하였다. 임상시험의 경우 1차 상지운동 시스템은 척수손상환자 9명을 대상으로 8주간 주3회 1시간 운동을 진행하였으며 2차 크로스핏 운동의 경우 뇌졸중 장애인 20명을 대상으로 12주간 주 2회 1시간 운동을 진행하였다. 두 실험 모두 RCT 연구로 실험군 대조군으로 나누어 진행하였고 운동 시작 전, 후로 체력평가를 진행하였다. 실험군의 경우 운동 중에 개발한 프로그램을 보면서 진행하게 하였고 대조군의 경우 프로그램없이 운동을 진행하게 하였다. 실험 결과 상지운동프로그램 실험에서는 실험군은 모든 평가에서 상승하였지만 대조군에는 유지하거나 떨어지는 결과를 보였고 두군 모두 유의한 차이는 보이지 않았다. 크로스핏 운동프로그램 실험에서는 실험군에서 모든 평가가 상승한 결과를 볼 수 있었고 일부평가에서 유의한 차이를 나는 것을 볼 수 있다. 반면 대조군의 경우 건측평가에서만 상승한 결과를 보여주었고 환측에서는 유지하거나 떨어지는 결과를 보였다. 모든 평가에서 유의한 차이는 볼 수 없었다. 본 연구에서 개발된 인공지능기반 동작분석 시스템은 재활운동에 효과적이라고 사료된다. 향후 인공지능기반 재활운동 시스템개발에 있어서 소중한 기초자료가 될 수 있을 것으로 보인다. The aim of this study was to develop a personalised rehabilitation exercise programme using an AI-based motion analysis system to increase interest and motivation during rehabilitation exercises for people with disabilities. A motion analysis system was developed using the Mediapipe algorithm. The first programme focused on upper limb exercises, specifically developing a system to count repetitions for three movements (chest press, shoulder press, arm curl). The second programme, based on CrossFit exercises, was designed to program five basic movements (squat, arm curl, chest press, lateral raise, dip) for rehabilitation exercises. In the second programme, a system was created to assess the individual's range of motion prior to training, allowing for individualised rehabilitation exercises. The measured range of motion was used to count the repetitions of each movement. To increase interest in the exercise, participants could see their own movements projected onto the screen, and the system tracked and calculated calories based on the number of repetitions of each movement. For the clinical trials, the first upper limb training system was tested on nine people with spinal cord injuries who completed three one-hour sessions per week for eight weeks. The second CrossFit exercise programme was tested on 20 stroke survivors who completed two one-hour sessions per week for twelve weeks. Both trials were conducted as randomised controlled trials (RCTs), with participants divided into experimental and control groups. Physical assessments were made before and after training. The experimental group used the developed programme during exercise, while the control group exercised without the programme. The results of the upper limb exercise programme showed improvement in all assessments for the experimental group, while the control group either maintained or showed decreased results, although no significant differences were observed between the two groups. In the CrossFit exercise programme, the experimental group showed improvement in all assessments, with significant differences in some assessments. Conversely, the control group showed improvement only in the assessment of the affected side, with maintenance or decline observed on the unaffected side. No significant differences were observed in any of the assessments. The AI-based motion analysis system developed in this study is considered effective for rehabilitation exercises. It is anticipated that the results of this research will serve as valuable baseline data for the future development of AI-based rehabilitation exercise systems.