전완부 근전도 기반 손 안 조작 및 엄지 촉진 분류: ResNet 모델의 혁신적 접근
전완부 근전도 기반 손 안 조작 및 엄지 촉진 분류: ResNet 모델의 혁신적 접근 서론 인간의 손은 식사, 의복 착용, 도구 사용, 사회적 상호작용 등 일상생활 전반에 핵심적인 역할을 한다. 손 절단 환자들의 경우, 일상활동의 제약으로 삶의 질이 크게 저하된다. 이에 따라 상지 보조 로봇, 특히 의수(prosthetic hand) 개발이 활발히 진행되고 있으며, 그 핵심은 사용자의 의도를 정확히 인식하는 기술이다. 본 블로그에서는 전완부 표면 근전도(sEMG) 신호를 기반으로 한 ResNet 모델을 활용하여 손 안 조작(in-hand manipulation)과 엄지 촉진(thumb palpation)을 정밀하게 분류하는 최신 연구 결과를 소개한다. 연구 배경 및 필요성 표면 근전도(sEMG)는 비침습적이며, 인공지능 기반의 패턴 인식 기술을 통해 다양한 손 동작을 높은 정확도로 분류할 수 있는 장점이 있다. 기존 연구는 주로 grasping posture (파지 자세)에 집중되어 있으며, 손 안에서 물체를 조작하거나 촉진하는 복잡한 동작에 대한 분류는 상대적으로 미흡하다. 또한 기존 접근법은 고밀도 근전도(HD-sEMG)나 손 내재근(intrinsic hand muscles)을 함께 사용하는 경우가 많아, 실제 절단 환자에게 상용화하기 어렵다는 한계가 있다. 본 연구는 상용화된 Trigno Avanti 센서를 전완부에만 부착하여 단 8채널의 근전도만으로 10가지 동작을 고정밀로 분류하는 시스템을 개발하였다. Fig.1의 10가지 원시 동작 설명 Fig. 1. 손 안 조작 및 엄진 촉진용 10가지 원시 Fig.1은 실험에 사용된 10가지 기본 동작(primitive)을 보여준다. 이들은 병진(translational), 회전(rotational) 운동 및 엄지의 4가지 방향 움직임(flexion, extension, adduction, abduction)으로 구성된다. 예를 들어, 손가락 끝에서 손바닥으로 물체를 이동시키는 동작은 파지 안정화를 위한...