KR102355184B1 - 빅데이터 기반 근골격 분석 장치 - Google Patents

빅데이터 기반 근골격 분석 장치 Download PDF

Info

Publication number
KR102355184B1
KR102355184B1 KR1020200091580A KR20200091580A KR102355184B1 KR 102355184 B1 KR102355184 B1 KR 102355184B1 KR 1020200091580 A KR1020200091580 A KR 1020200091580A KR 20200091580 A KR20200091580 A KR 20200091580A KR 102355184 B1 KR102355184 B1 KR 102355184B1
Authority
KR
South Korea
Prior art keywords
length
cog
skeletal
coefficient
musculoskeletal
Prior art date
Application number
KR1020200091580A
Other languages
English (en)
Inventor
박재현
김현준
Original Assignee
(주)엠지솔루션스
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)엠지솔루션스 filed Critical (주)엠지솔루션스
Priority to KR1020200091580A priority Critical patent/KR102355184B1/ko
Priority to PCT/KR2021/006901 priority patent/WO2022019470A1/ko
Application granted granted Critical
Publication of KR102355184B1 publication Critical patent/KR102355184B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0062—Arrangements for scanning
    • A61B5/0064—Body surface scanning
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1077—Measuring of profiles
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1079—Measuring physical dimensions, e.g. size of the entire body or parts thereof using optical or photographic means
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
    • A61B5/4519—Muscles
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
    • A61B5/4538—Evaluating a particular part of the muscoloskeletal system or a particular medical condition
    • A61B5/4561—Evaluating static posture, e.g. undesirable back curvature
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A61B5/7445—Display arrangements, e.g. multiple display units

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Rheumatology (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)

Abstract

본 발명은 빅데이터와 영상처리 기술을 이용하여 피측정자의 신체 골격점을 찾은 후 소정의 평가항목으로 골격상태를 평가하고, 근육 상태를 진하여 피측정자의 근골격 상태를 정확히 알려줄 수 있는 근골격 분석 장치에 관한 것이다. 본 발명의 장치는 피측정자의 전면, 측면, 후면을 촬영하기 위한 카메라와, 피측정자의 측정시 발 위치를 표시하기 위한 발판과, 측정과정과 측정결과를 표시하기 위한 디스플레이와, 상기 카메라로부터 피측정자의 전면, 측면, 후면 영상을 입력받아 골격점을 추출한 후 소정의 기준 데이터와 비교하여 골격상태를 평가한 후 변형된 골격에 의한 근육상태를 진단하고, 피측정자의 골격점과 근육상태를 시물레이션하여 상기 디스플레이로 출력하는 근골격 분석 본체와, 상기 근골격 분석 본체와 네트워크로 연결되어 피측정자들의 근골격 데이터를 수집하고 빅데이터 방식으로 분석하여 기준 데이터를 생성한 후 상기 기준 데이터를 업데이트시키는 서비스 서버를 포함한다. 본 발명의 실시예에 따르면, 피측정자의 몸에 표식자 등과 같은 마커를 부착할 필요없이 자연상태에서 촬영하므로 사용이 편리하고, 피측정자의 정면, 측면, 후면을 스캔한 후 피측정자의 골격점을 추출하고 골격 상태를 평가하고, 근육상태 등을 진단함으로써 정확하게 근골격을 분석할 수 있다.

Description

빅데이터 기반 근골격 분석 장치{Musculoskeletal Analysis Device}
본 발명은 피측정자를 카메라로 촬영한 후 근골격계를 분석하는 근골격 분석 장치에 관한 것으로, 더욱 상세하게는 빅데이터와 영상처리 기술을 이용하여 피측정자의 신체 골격점들을 찾은 후 평가항목 값을 산출해 골격 상태와 근육 상태를 진단하여 피측정자의 근골격 상태를 정확히 알려줄 수 있는 근골격 분석 장치에 관한 것이다.
최근 들어, 서구화된 식생활로 비만이 급격히 증가함과 아울러 도시생활에 따른 운동부족으로 체형의 불균형이 심화되어 체형 불균형에 의한 질환이 증가하는 추세에 있다. 즉, 체형의 불균형이 심화되면 골반 불균형, 무릎 휜 다리, 무릎 주변근육 불균형 발달, 거북목/일자목 척추변형, 척추골반 휘어짐, 흉추근육/인대조직 불안정, 무릎 과신전, 골반-다리 불균형, 무릎 뒤쪽 근육 불균형적 발달, 척추(머리뼈, 등뼈) 휘어짐 등과 같은 체형 질환이 발생되기 쉬운 것으로 알려져 있다.
이러한 체형 질환을 예방하기 위해서는 체형 분석이 필요한데, 대한민국 특허청 공개번호 제10-2010-0092555호로 공개된 '웹 카메라를 이용한 체형 분석기기'(이하 특허문헌 1이라 함)는 웹 카메라를 상하로 이동시킬 수 있는 전동모터와 웹 카메라, 웹 카메라로 촬영한 영상 데이터를 획득할 수 있는 퍼스널 컴퓨터, 그리고 영상에서 표식자의 위치 값과 신체의 기울기 정도를 정량적으로 자동 분석하는 알고리즘을 포함하여 체형을 분석하고 있다.
그런데 특허문헌 1은 신체에 표식자(마커)를 부착하는 방식이므로 사용이 불편하고, 벨트에 연결된 웹 카메라를 전동 모터에 의해 상하로 이동하는 방식이므로 분석결과가 정확하지 못한 문제점이 있다.
따라서 근골격계의 정확한 진단을 위해서는 자연상태로 서 있는 피측정자의 '전면', '측면'의 골격 상태를 x-ray 를 사용하여 촬영할 필요가 있다. 통상 촬영시 방사선사의 도움으로 촬영이 이루어지며, 전신의 사진을 얻기 위해서는 일반 보급용 x-ray 장치의 경우 정면에 대해 4 내지 5번 촬영하고, 측면에 대해서도 4 내지 5번의 촬영을 해야 전신의 골격 상태를 알 수 있게 된다. 이에 따라 기존의 x-ray를 이용한 전신 촬영 방식은 피측정자가 방사선에 과다 노출되는 문제점이 있다.
근골격계에 대한 치료 및 재활의 범위가 병원뿐만 아니라 일반 휘트니스 클럽, 필라테스, 요가 등의 다양한 헬스케어 센터 수준까지 확장되고 있으며, 이러한 헬스케어 센터에서는 의료기기인 x-ray장치를 촬영할 수 없어 제대로 된 진단 없이 해당 센터 회원들에게 체형 교정 및 척추 교정과 관련된 서비스를 제공하고 있는 실정이다. 따라서 방사선(x-ray)과 마커 등을 사용하지 않고 피측정자 전신의 근골격 상태를 정확하게 분석할 수 있는 장치가 요구되고 있다.
본 발명은 상기와 같은 필요성을 충족시키기 위하여 제안된 것으로, 본 발명의 목적은 빅데이터와 영상처리 기술을 이용하여 피측정자의 신체 골격점을 찾은 후 근육 상태를 평가하여 피측정자의 근골격 상태를 정확히 알려줄 수 있는 근골격 분석 장치를 제공하는 것이다.
본 발명의 실시예는 근골격 분석 장치를 개시한다. 개시된 장치는 피측정자의 전면, 측면, 후면을 촬영하기 위한 카메라와, 피측정자의 측정시 발 위치를 표시하기 위한 발판과, 측정과정과 측정결과를 표시하기 위한 디스플레이와, 상기 카메라로부터 피측정자의 전면, 측면, 후면 스캔 영상을 입력받아 골격점을 추출한 후 소정 식에 따라 복수의 평가항목을 산출하고, 산출된 평가항목들의 값을 소정의 기준 데이터와 비교하여 골격 상태와 골격에 따른 근육상태를 진단하고, 피측정자의 골격점과 근육상태를 시물레이션하여 상기 디스플레이로 출력하는 근골격 분석 본체를 포함한다.
상기 근골격 분석 장치는 상기 근골격 분석 본체와 네트워크로 연결되어 피측정자들의 근골격 데이터를 수집하고 빅데이터 방식으로 분석하여 기준 데이터를 생성한 후 상기 기준 데이터를 업데이트시키는 서비스 서버를 더 포함할 수 있다.
상기 근골격 분석 본체는 상기 카메라로부터 영상 데이터를 입력받아 에지를 검출하기 위한 에지 검출부와, 상기 에지 검출부에서 검출된 피측정자의 에지정보를 바탕으로 배경과 사용자 프레임을 분리한 후 사용자 프레임에서 복수의 피측정자의 골격점들을 추출하는 골격점 추출부와, 상기 골격 추출부에서 추출된 피측정자의 골격점들에 의해 골격 상태를 평가하기 위한 평가항목의 값들을 계산하는 평가항목 계산부와, 상기 추출된 골격점들과 평가항목의 값에 의해 피측정자의 골격 형태를 표시하기 위한 데이터를 생성하는 골격 시물레이션부와, 상기 평가항목 계산부의 계산 값을 정상상태 데이터와 비교하여 근육 상태를 진단하기 위한 근육상태 진단부와, 상기 근육상태 진단부의 진단 결과에 따라 피측정자의 근육상태를 표시하기 위한 데이터를 생성하는 근육상태 시물레이션부를 포함하는 것이다.
상기 근골격 분석 본체는 상기 평가항목 계산부의 계산 값을 정상상태 데이터와 비교하거나 상기 평가항목 계산부의 계산 값을 통계처리하여 위험도를 예측하는 위험도 예측부를 더 포함할 수 있다.
또한 상기 골격점 추출부는 피측정자의 정면 스캔을 통해 11개의 골격점을 추출하고, 피측정자의 측면 스캔을 통해 5개의 골격점을 추출하며, 피측정자의 후면 스캔을 통해 11개의 골격점을 추출하는 것이다.
본 발명의 실시예에 따르면, 피측정자의 몸에 표식자 등과 같은 마커를 부착할 필요없이 자연상태에서 촬영하므로 사용이 편리하고, 피측정자의 정면, 측면, 후면을 스캔한 후 피측정자의 골격점을 추출하고 골격 상태를 평가하여 변형된 골격에 의한 근육상태 등을 진단함으로써 정확하게 근골격을 분석할 수 있는 효과가 있다.
또한 본 발명의 실시예에 따르면, 휘트니스 클럽, 필라테스, 요가 등의 다양한 헬스케어 센터에서 피측정자의 측정결과를 현장에서 바로 그래픽과 문자 등으로 알기 쉽게 표시하여 사용자가 분석결과를 바로 확인할 수 있고, 빅데이터 분석기술을 통해 기준 데이터를 갱신함으로써 지역이나 성별, 나이 등과 같은 다양한 조건에 따른 전체적인 신체 변화 등을 정확하게 반영할 수 있는 장점이 있다.
도 1은 본 발명의 실시예에 따른 근골격 분석 장치의 개략도,
도 2는 본 발명의 실시예에 따른 근골격 분석 장치의 구성 블럭도,
도 3은 본 발명의 실시예에 따른 근골격 분석 절차를 도시한 순서도,
도 4는 본 발명의 실시예에 따라 빅데이터 분석을 통해 기준 데이터를 갱신하는 절차를 도시한 순서도,
도 5는 본 발명의 실시예에 따른 정면 스캔시 골격점의 예,
도 6은 본 발명의 실시예에 따른 측면 스캔시 골격점의 예,
도 7은 본 발명의 실시예에 따른 후면 스캔시 골격점의 예,
도 8은 본 발명의 실시예에 따른 3D 근육 표시 화면의 예이다.
본 발명과 본 발명의 실시에 의해 달성되는 기술적 과제는 다음에서 설명하는 본 발명의 바람직한 실시예들에 의하여 보다 명확해질 것이다. 다음의 실시예들은 단지 본 발명을 설명하기 위하여 예시된 것에 불과하며, 본 발명의 범위를 제한하기 위한 것은 아니다.
도 1은 본 발명의 실시예에 따른 근골격 분석 장치의 개략도이고, 도 2는 본 발명의 실시예에 따른 근골격 분석 장치의 구성 블럭도이다.
본 발명의 실시예에 따른 근골격 분석 장치(100)는 도 1 및 도 2에 도시된 바와 같이, 프레임(102), 측정을 위해 피측정자(10)가 올라서는 레이저 발판(110), 피측정자를 촬영하기 위한 카메라(120), 카메라의 영상 데이터를 분석하여 피측정자의 근골격 상태를 분석하기 위한 근골격 분석 본체(130), 입력부(150), 디스플레이부(160), 프린터(170), 근골결 분석 본체(130)와 네트워크(104)를 통해 연결되어 빅데이터 기반으로 분석을 위한 기준 데이터를 제공하는 서비스 서버(20) 등으로 구성된다.
도 1 및 도 2를 참조하면, 프레임(102)은 디스플레이부(160), 근골결 분석 본체(130), 카메라(120) 등을 지지하기 위한 기구적인 장치이고, 카메라(120) 전면의 일정 위치에 레이저 발판(110)이 배치되어 있다.
레이저 발판(110)은 측정시 피측정자의 발 위치를 표시하기 위하여 십자형 레이저 빔을 생성하는 레이저빔 발생장치 등으로 구현될 수 있고, 카메라(120)는 마커 등이 부착되지 않은 자연상태의 피측정자(10)를 촬영하여 근골격 분석 본체(130)에 제공한다.
근골격 분석 본체(130)는 도 2에 도시된 바와 같이, 영상입력부(131), 에지검출부(132), 기준 프레임 데이터부(133), 골격점 추출부(134), 평가항목 계산부(135), 골격 시물레이션부(136), 근육상태 진단부(137), 근육상태 시물레이션부(138), 평가결과 비교부(139), 위험도 예측부(140), 서버 통신부(141), 사용자 데이터 송신부(142), 기준 데이터 갱신부(143), 정상상태 데이터부(144), 제어부(145), 사용자 인터페이스부(146)로 구성되어 키보드나 마우스 등과 같은 입력부(150)의 조작에 따라 제어부(145)가 소프트웨어를 실행하면서 전체 동작을 제어하여 근골격 분석 결과를 디스플레이부(160) 화면이나 프린터(170) 등으로 출력한다.
도 2를 참조하면, 영상 입력부(131)는 카메라(120)로부터 촬영된 영상 데이터를 입력받기 위한 것이고, 에지 검출부(132)는 입력된 피측정자의 영상 데이터에서 에지영역을 검출한다.
골격점 추출부(134)는 에지 검출부(132)에 의해 검출된 에지를 기준으로 배경과 사용자 프레임을 구분한 후 기준 프레임 데이터부(133)의 데이터와 사용자 프레임의 데이터를 바탕으로 사용자 프레임에서 피측정자의 골격점(PF1~PF11, PS1~PS5, PB1~PB11)을 추출한다.
본 발명의 실시예에서는 다음 표 1과 같이 정면 스캔, 측면 스캔, 후면 스캔을 통해 각각의 골격점을 추출한다.
구분 갯수 골격점
정면 스캔 11 Head(x,y), C7(x,y), Rt. Acrominal End(x,y), Lt. Acrominal End(x,y), COG(x,y), Rt. Femur Head(x,y), Lt. Femur Head(x,y), Rt. Patella(x,y), Lt. Patella(x,y), Rt. Ankle(x,y), Lt. Ankle(x,y)
측면 스캔 5 Side.ear(x,y), Side.C7(x,y), COG(x,y), Side.Patella(x,y), Side.Ankle(x,y)
후면 스캔 11 정면 스캔과 동일함
정면 스캔을 통해 11개의 골격점을 찾는 절차는 사용자가 정면에 서 있는 사진에서 사용자와 배경을 구분하고, 구분된 사용자의 이미지를 통해 사용자의 11개의 골격을 추정할 수 있는 좌표점을 찾는 것이다. 배경과 분리된 사용자만 있는 픽셀(pixel)의 집합을 사용자 프레임(User frame)이라고 하며, 이 사용자 프레임(User frame)의 각 pixel 들의 관계를 규명하면서 각 골격점들을 찾는다.
먼저 정면 스캔을 통해 골격점을 추출하기 위한 기초 상수와 계수들을 다음 표 2 및 표 3과 같이 정의한다.
상수 정의 내용
Max(x,y) 사용자프레임에 있는 각 픽셀들 중 제일 높은 위치에 있는 픽셀의 x,y 좌표
Min(x,y) 사용자프레임에 있는 각 픽셀들 중 제일 낮은 위치에 있는 픽셀의 x,y 좌표
Height Max(y)-Min(y)
COG(x,y) 사용자프레임에 있는 모든 개별 픽셀 위치의 평균점
상체길이 Max(y)-COG(y)
하체길이 COG(y)-Min(y)
계수 정의 내용
coefficient_knee 바닥에서 COG 사이의 길이와 무릎에서 발목 사이의 길이의 비
coefficient_ankle 바닥에서 COG 사이의 길이와 발목에서 COG 사이의 길이의 비
coefficient_greater_tubercle 상체길이 대비 COG와 대결절(Greater Tubercle) 사이의 길이 비율
coefficient_C7 상체길이 대비 COG와 C7사이의 길이 비율
coefficient_C7_to_greater_tubercle 상체길이 대비 C7과 대결절 사이의 길이 비율
coefficient_femur_head_to_COG 상체길이 대비 COG와 femur head 사이의 길이 비율
C7_y_range C7의 x값을 알기 위한 면적의 범위, 해당 범위에서 중앙이 x값임
coefficient_side_ear_from_COG 상체길이 대비 COG에서 귀까지 길이 비율
coefficient_thigh_lower_body 하체길이 대비 대퇴부 길이 비율
정면 스캔의 제 1 골격점(PF1)은 도 5의 머리부분에 해당하는 Head(x,y)로서, 다음과 같은 방식으로 산출한다. ① [COG(y)+coefficient_side_ear_from_COG×상체길이]를 Heady(y)라 한다. ② 사용자 프레임에 있는 픽셀중에서 y좌표가 [COG(y)+coefficient_side_earfrom_COG×상체길이]인 점들의 x좌표들의 평균을 Head(x)라 한다.
정면 스캔의 제 2 골격점(PF2)은 도 5에서 척추 7번뼈에 해당하는 C7(x,y)로서, 다음과 같은 방식으로 산출한다. ① [COG(y)+coefficient_C7 x 상체길이]을 C7(y)라고 한다. ② 사용자 프레임에 있는 픽셀(Pixel) 중 y 좌표가 [COG(y)+ coefficient_C7 x 상체길이]인 점들의 x 좌표들의 평균을 C7(x)라고 한다.
정면 스캔의 제 3 골격점(PF3)은 도 5에서 우측 어깨 끝에 해당하는 Rt Acromial End(x,y)으로서, C7(x,y)과의 거리가 [coefficient_C7_to_greater_ tubercle x 상체길이]이고, C7(y)보다 작은 픽셀(Pixel)들의 집합에서 x 좌표가 제일 큰 픽셀(Pixel)이 Rt Acromial End(x,y)이다.
정면 스캔의 제 4 골격점(PF4)은 도 5에서 좌측 어깨 끝에 해당하는 Lt Acromial End(x,y)로서, C7(x,y)과의 거리가 [coefficient_C7_to_greater_tubercle x 상체길이]이고, C7(y)보다 작은 Pixel 들의 집합에서 x 좌표가 제일 작은 픽셀(Pixel)이 Lt Cromial End(x,y)이다.
정면 스캔의 제 5 골격점(PF5)은 도 5에서 무게중심점(Center Of Gravity)에 해당하는 COG(x,y)로서, 사용자 프레임에 있는 모든 개별 픽셀 위치의 평균점이다.
정면 스캔의 제 6 골격점(PF6)은 도 5에서 우측 대퇴골두에 해당하는 Rt Femur Head(x,y)로서, COG(x,y)와의 거리가 [coefficient_femur_head_to_COG x 상체길이]이고, COG(x)보다 작으며, Rt Patella(x,y)와의 거리가 [coefficient_thigh_lower_body x 하체길이] 인 Pixel 들 중 x 값이 가장 작은 점이다.
정면 스캔의 제 7 골격점(PF7)은 도 5에서 좌측 대퇴골두에 해당하는 Lt Femur Head(x,y)로서, COG(x,y)와의 거리가 [coefficient_femur_head_to_COG x 상체길이]이고, COG(x)보다 크며, Lt Patella(x,y)와의 거리가 [coefficient_thigh_lower_body x 하체길이]인 Pixel들 중 x 값이 가장 큰 점이다.
정면 스캔의 제 8 골격점(PF8)은 우측 슬개골 중앙에 해당하는 Patella(x,y)로서, Rt.Ankle과의 거리가 [coefficient_knee x 하체길이]이며 COG(y) 보다 작은 y 값을 가졌으며 동시에 COG(x)보다 큰 x 값을 가진 Pixel 들과의 평균점이다.
정면 스캔의 제 9 골격점(PF9)는 좌측 슬개골 중앙에 해당하는 Patella(x,y)로서, Lt.Ankle과의 거리가 [coefficient_knee x 하체길이]이며 COG(y) 보다 작은 y 값을 가졌으며 동시에 COG(x)보다 작은 x 값을 가진 Pixel 들과의 평균점이다.
정면 스캔의 제 10 골격점(PF10)은 Rt Ankle로서 COG(x,y) 와의 거리가 [ coefficient_ankle x 하체길이]이며, COG(y)보다 작은 y값을 가졌으며 동시에 COG(x) 보다 큰 x값을 가진 Pixel 들의 평균점이다.
정면 스캔의 제 11 골격점(PF11)은 Lt Ankle로서, COG(x,y) 와의 거리가 [ coefficient_ankle x 하체길이]이며, COG(y)보다 작은 y값을 가졌으며 동시에 COG(x)보다 작은 x 값을 가진 Pixel들의 평균점이다.
이어서 측면 스캔을 통해 측면 골격점을 찾는 절차는 다음과 같다.
먼저 측면 스캔을 통해 골격점을 추출하기 위한 기초 상수와 계수들을 다음 표 4 및 표 5와 같이 정의한다.
상수 정의 내용
Side.Max(x,y) 사용자프레임에 있는 각 픽셀들 중 제일 높은 위치에 있는 픽셀의 x,y 좌표
Side.Min(x,y) 사용자프레임에 있는 각 픽셀들 중 제일 낮은 위치에 있는 픽셀의 x,y 좌표
Side.Height Max(y)-Min(y)
Side.COG(x,y) 사용자프레임에 있는 모든 개별 픽셀 위치의 평균점
상체길이 Max(y)-COG(y)
하체길이 COG(y)-Min(y)
계수 정의 내용
coefficient_knee 바닥에서 COG 사이의 길이와 무릎에서 COG 사이의 길이의 비
coefficient_ankle 바닥에서 COG 사이의 길이와 발목에서 COG 사이의 길이의 비
coefficient_greater_tubercle 상체길이 대비 COG와 대결절(Greater Tubercle) 사이의 길이 비율
coefficient_C7 상체길이 대비 COG와 C7사이의 길이 비율
coefficient_C7_to_greater_tubercle 상체길이 대비 C7과 대결절 사이의 길이 비율
coefficient_side_ear 상체길이 대비 COG와 femur head 사이의 길이 비율
coefficient_side_ear_from_COG 상체길이 대비 COG에서 귀까지 길이 비율
측면 스캔의 제 1 골격점(PS1)은 도 6의 귀에 해당하는 Side.Ear(x,y)로서, Side.COG(x,y) 와의 거리가 [coefficient_side_ear_from_COG x 상체길이] 이고, Side COG(y) 보다 큰 y 좌표를 가진 Pixel들 중 x 좌표가 제일 작은 점의 y 좌표를 SideEar(y)라고 한다. SideCOG(x,y)와의 거리가 [coefficient_side_ear_from_COG x 상체길이]이고, Side COG(y) 보다 큰 y 좌표를 가진 Pixel 들 중 x 좌표가 제일 작은 점의 x 좌표에 [ coefficient_side_ear x 상체길이]를 빼준 값을 SideEar(x) 라고 한다.
측면 스캔의 제 2 골격점(PS2)은 도 6에서 목부분에 해당하는 Side.C7(x,y) 로서, Y 좌표가 [ COG(y) + coefficient_C7 x 상체길이 ]인 점들 중에서 x 값이 가장 큰 점의 y 값을 Side C7(y) 라고 한다. Y 좌표가 [ COG(y) + coefficient_C7 x 상체길이]인 점들 중에서 x 값이 가장 큰 점의 x값에 [ coefficient_side_greater_tubercle x 상체길이]를 뺀 값을 Side C7(x) 라고 한다.
측면 스캔의 제 3 골격점(PS3)은 도 6에서 Side.COG (x,y)에 해당하는 점으로서, 사용자 프레임(Userframe)에 있는 모든 개별 픽셀(Pixel) 위치의 평균점이다.
측면 스캔의 제 4 골격점(PS4)은 도 6에서 Side.Patella(x,y)에 해당하는 점으로서, COG(x,y)와의 거리가 [coefficient_knee x 하체길이]이며, COG(y)보다 작은 y 값을 가진 픽셀(Pixel)들의 평균점이다.
측면 스캔의 제 5 골격점(PS5)은 도 6에서 Side.Ankle(x,y)에 해당하는 점으로서, COG(x,y)와의 거리가 [coefficient_ankle x 하체길이]이며, COG(y)보다 작은 y 값을 가진 픽셀(Pixel)들 중 가장 x 값이 작은 점의 y 값을 Side.Ankle(y)라고 한다. 또한 COG(x,y)와의 거리가 [coefficient_ankle x 하체길이]이며, COG(y)보다 작은 y 값을 가진 픽셀(Pixel)들 중 가장 x 값이 작은 점의 x 값에 [coefficient_side_ankle x 하체길이]를 더한 값을 Side.Ankle(x) 라고 한다.
후면 스캔을 통해 골격점을 찾는 방법은 정면 스캔에서 좌우가 바뀐 점을 제외하고는 정면 스캔의 경우와 동일하다. 즉, 정면 스캔에서 Rt. Acrominal End(x,y) 위치는 후면 스캔에서 Lt. Acrominal End(x,y)가 되고, 정면 스캔에서 Lt. Acrominal End(x,y) 위치는 후면 스캔에서 Rt. Acrominal End(x,y)가 된다. 본 발명의 실시예에서 후방 어깨 높이 차이에 사용되는 Rt. Acrominal End(x,y)와 Lt. Acrominal End(x,y)는 Back.Rt. Acrominal End(x,y)와 Back.Lt. Acrominal End(x,y)로 정의한다. Back.Lt. Acrominal End(x,y) 골격점은 C7(x,y) 과의 거리가 [coefficient_C7_to_greater_tubercle x 상체길이] 이고, C7(y)보다 작은 Pixel 들의 집합에서 x 좌표가 제일 작은 Pixel이 Back.Lt Acromial End(x,y)이다. Back.Rt.Acrominal End(x,y) 골격점은 C7(x,y)과의 거리가 [coefficient_C7_to_greater_tubercle x 상체길이] 이고, C7(y)보다 작은 Pixel 들의 집합에서 x 좌표가 제일 큰 Pixel이 Back.Rt Acromial End(x,y)이다.
평가항목 계산부(135)는 추출된 피측정자의 골격점을 근거로 다음 표 6과 같은 11개의 골격상태의 평가항목을 계산한다.
항목번호 항목명칭 단위
EV1 어깨 높이 차이 각도
EV2 골반 높이 차이 각도
EV3 C7-CSL mm
EV4 Lt.Q 각도 각도
EV5 Rt. Q 각도 각도
EV6 거북목 각도
EV7 등뼈 기울기 각도
EV8 골반의 전방/후방 이동 각도
EV9 무릎의 전방/후방 이동 각도
EV10 CAM- Plumb Line mm
EV11 후방 어깨 높이 차이 각도
상기 표 6을 참조하면, 어깨 높이 차이(EV1)는 앞서 구한 Rt. Acrominal End(x,y) 골격점과 Lt. Acrominal End(x,y)을 이용하여 다음 수학식 1과 같이 산출한다.
Figure 112020077011338-pat00001
골반 높이 차이(EV2)는 앞서 구한 Rt Femur Head(x,y) 골격점과 Lt Femur Head(x,y) 골격점으로부터 다음 수학식 2와 같이 산출한다.
Figure 112020077011338-pat00002
C7-CSL(EV3)은 정면에서 봤을 때 골반의 중심점과 목의 중심점 사이의 가로축 기준 길이 차이로서, 앞서 구한 C7(x,y) 골격점과 COG(x,y) 골격점으로부터 다음 수학식 3과 같이 산출한다.
Figure 112020077011338-pat00003
Lt. Q 각도는 정면에서 봤을 때 왼쪽 골반의 상전장골극과 왼쪽 무릎의 중심점을 이은 직선과 수직선 사이의 좁은 각도로서, 앞서 구한 Lt Femur Head(x,y) 골격점으로부터 다음 수학식 4와 같이 산출한다.
Figure 112020077011338-pat00004
Rt. Q 각도는 정면에서 봤을 때 오른쪽 골반의 상전장골극과 오른쪽 무릎의 중심점을 이은 직선과 수직선 사이의 좁은 각도로서, 앞서 구한 Rt Femur Head(x,y) 골격점으로부터 다음 수학식 5와 같이 산출한다.
Figure 112020077011338-pat00005
거북 목 각도는 앞서 측면 스캔을 통해 구한 Side.Ear(x,y) 골격점과 Side.C7(x,y) 골격점으로부터 다음 수학식 6과 같이 산출한다.
Figure 112020077011338-pat00006
등뼈 기울기 각도는 앞서 측면 스캔을 통해 구한 Side.C7(x,y) 골격점과 Side.COG(x,y) 골격점으로부터 다음 수학식 7과 같이 산출한다.
Figure 112020077011338-pat00007
골반의 전방/후방 이동각도는 앞서 측면 스캔을 통해 구한 Side.COG(x,y) 골격점과 Side.Patella(x,y) 골격점으로부터 다음 수학식 8과 같이 산출한다.
Figure 112020077011338-pat00008
무릎의 전방 후방 이동은 앞서 측면 스캔을 통해 구한 Side.patella(x,y) 골격점과 Side.Ankle(x,y) 골격점으로부터 다음 수학식 9와 같이 산출한다.
Figure 112020077011338-pat00009
CAM-Plum line은 측면에서 봤을 때 골반의 중심점과 머리의 중심점 사이의 가로축　기준　길이 차이로서, 앞서 측면 스캔을 통해 구한 Side.ear(x,y) 골격점과 Side.COG(x,y) 골격점으로부터 다음 수학식 10과 같이 산출한다.
Figure 112020077011338-pat00010
후방 어깨 높이 차이는 앞서 후면 스캔을 통해 구한 Back.Rt.Acromial End(x,y) 골격점과 Back.Rt.Acromial End(x,y) 골격점을 이용하여 다음 수학식 11과 같이 산출한다.
Figure 112020077011338-pat00011
골격 시물레이션부(136)는 추출된 27개의 골격점과 평가항목 계산부(136)의 평가결과에 따라 피측정자의 골격 형태를 표시하기 위한 시물레이션 데이터를 생성한다.
평가결과 비교부(139)는 평가항목 계산부(136)의 계산결과 값을 정상상태 데이터부(144)의 정상상태 데이터와 비교하고, 근육상태 진단부(137)는 비교결과와 평가항목에 따른 평가결과를 바탕으로 다음 표 7과 같이 피측정자의 44가지 근육(G01~G44)에 대해 변형된 골격으로부터 발생하는 약화된 근육과 긴장된 근육을 진단한다.
번호 근육명 번호 근육명 번호 근육명 번호 근육명
G01 중사각근 G12 대퇴근막장근 G23 내측광근 G34 상부승모근
G02 흉쇄유돌근 G13 장경인대 G24 박근 G35 중부승모근
G03 경장근 G14 요방형근 G25 치골근 G36 하부승모근
G04 두장근 G15 외복사근 G26 단전내근 G37 광배근
G05 소요근 G16 내복사근 G27 장내전극 G38 대능형군
G06 장요근 G17 복직근 G28 대내전극 G39 소능형군
G07 장골근 G18 복황근 G29 후두하근 G40 대퇴이두근
G08 봉공근 G19 대퇴직근 G30 견갑거근 G41 반막양근
G09 척추기립근 G20 중간광근 G31 쇄골뼈 대흉근 G42 반건양근
G10 중둔근 G21 외측광근 G32 복장머리 대흉근 G43 대둔근
G11 소둔근 G22 비복근 G33 소흉근 G44 오금근
근육상태 시물레이션부(138)는 근육상태 진단부(137)의 진단결과에 따라 피측정자의 근육상태를 표시하기 위한 시물레이션 데이터를 생성하고, 사용자 인터페이스부(146)는 앞서 구한 골격 시물레이션 데이터와 근육상태 시물레이션 데이터 및 위험도 예측 데이터를 종합하여 피측정자가 이해하기 쉬운 형태로 디스플레이부(160)에 그래픽과 문자로 표현한다.
위험도 예측부(140)에서는 평가결과 비교부(139)의 비교결과에 따라 위험도를 예측하여 예측정보를 제공한다. 즉, 위험도 예측부(140)는 평가된 11개 항목별로 위험률을 평가하기 위한 방법으로서, 다음 수학식 12와 같이 정규확률분포를 이용하여 위험률을 계산한다. 각 평가 항목의 표준편차와 평균은 축적된 데이터 및 빅데이터를 통해 모아지는 데이터로 연산할 수 있고, 평가결과 위험률은 백분률(%)로 표시된다.
Figure 112020077011338-pat00012
수학식 12에서 μ는 평가항목 평균을 나타내고, σ는 평가항목 표준편차를 나타내며, x는 평가항목 값을 나타낸다.
한편, 근육상태 진단부(137)에서는 각 평가 항목값이 어떤 값보다 작거나 클 때 어떤 근육들은 긴장(tightness)된 상태이며, 다른 근육들은 약화(weakness)된 상태라는 것을 추정하는 것이다. 개별 근육들의 긴장과 약함의 정도는 위험도 예측부(140)에서 산출한 위험률로 적용할 수도 있다.
도 2에서 기준 프레임 데이터부(133)에는 서비스 서버(20)로부터 전달된 기준 프레임 데이터가 저장되어 있고, 정상상태 데이터부(144)에는 평가항목들에 대한 정상상태의 표준 데이터들이 저장되어 있다. 사용자 데이터 송신부(142)는 피측정자의 측정 데이터 및 평가결과를 서버 통신부(141)를 통해 서비스 서버(20)로 전송하고, 기준 데이터 갱신부(143)는 서버 통신부(141)를 통해 서비스 서버(20)와 통신하여 측정의 정확도를 높일 수 있도록 서비스 서버(20)로부터 전달된 새로운 기준 데이터로 기준 프레임 데이터부(133)와 정상 상태 데이터부(144)의 데이터를 갱신한다. 제어부(145)는 탑재된 소프트웨어를 실행하는 프로세서로서, 입력부(150)의 조작에 따라 전체 동작을 제어한다.
도 3은 본 발명의 실시예에 따른 근골격 분석 절차를 도시한 순서도이다.
본 발명의 실시예에 따른 근골격 분석 절차는 도 3에 도시된 바와 같이, 근골격 분석 장치(100)가 온되면 근골격 분석 프로그램을 실행하여 메인화면을 표시하고, 메인화면의 메뉴 선택에 의해 피측정자가 처음 사용자(user)일 경우에는 사용자 데이터 베이스를 구축하고, 이미 등록된 사용자일 경우에는 이전에 등록된 사용자 데이터를 불러온다(S1). 사용자 데이터베이스에는 적어도 사용자 이름, 키, 나이, 이메일 주소, 성별, 이전의 측정정보, 측정일자 등의 항목이 생성되어 해당 정보가 기록되어 있다.
사용자 등록이 완료되면, 레이저 발판(110)에 위치한 피측정자(10)의 정면을 카메라(120)로 촬영하여 대략 3초 정도 스캔하고, 정면 스캔 데이터를 분석하여 정면 골격점을 추출한다(S2,S3). 정면 골격점은 앞서 표 1에 설명한 바와 같이 총 11개의 골격점이 있다.
정면 스캔이 완료되면, 레이저 발판(110)에 위치한 피측정자(10)의 측면을 카메라(120)로 촬영하여 대략 3초 정도 스캔하고, 측면 스캔 데이터를 분석하여 측면 골격점을 추출한다(S4,S5). 측면 골격점은 앞서 표 1에 설명한 바와 같이 총 5개의 골격점이 있다.
측면 스캔이 완료되면, 레이저 발판(110)에 위치한 피측정자(10)의 후면을 카메라로 촬영하여 대략 3초 정도 스캔하고, 후면 스캔 데이터를 분석하여 후면 골격점을 추출한다(S6,S7). 후면 골격점은 앞서 표 1에 설명한 바와 같이 총 11개의 골격점이 있다. 여기서, 각 골격점을 추출하는 절차는 앞서 설명한 바와 같다.
스캔이 완료되면, 추출된 골격점을 종합하여 골격상태를 평가하기 위한 11개의 평가항목을 계산하고, 이 계산값에 근거하여 피측정자의 골격 형태를 표시하기 위한 시뮬레이션 데이터를 생성한다(S8~S10). 평가항목을 계산하는 단계(S9)에서는 앞서 표 6으로 설명한 바와 같이 추출된 골격점으로부터 피측정자의 골격상태를 진단하기 위한 평가항목을 계산한다.
근육상태 진단 단계(S11)에서는 앞서 설명한 바와 같이 평가항목의 평가결과와 골격점 데이터 등을 근거로 피측정자의 44개의 근육에 대해 진단하여 변형된 골격에 의해 영향을 받은 약화된 근육과 긴장된 근육, 및 정상 근육으로 구분한다. 진단결과 약화된 근육에 대해서는 해당 근육에 대한 강화운동을 제안할 수 있고, 긴장된 근육에 대해서는 해당 근육에 대한 스트레칭 운동을 권장할 수 있다.
근육상태 시물레이션 단계(S12)에서는 진단된 44개 근육의 상태를 표시하기 위한 시물레이션 데이터를 생성하고, 분석결과 출력단계(S13)에서는 골격 시물레이션 데이터와 근육상태 시물레이션 데이터 및 위험도 등의 정보를 디스플레이부(160)에 표현하여 피측정자가 자신의 근골격계 상태를 알 수 있게 한다.
도 4는 본 발명의 실시예에 따라 빅데이터 분석을 통해 기준 데이터를 갱신하는 절차를 도시한 순서도이다.
도 4를 참조하면, 전국의 헬스케어 센터 등에 설치된 근골격 분석 장치(100)는 설치 후 네트워크(104)를 통해 서비스 서버(20)에 등록한다(S21). 서비스 서버(20)는 등록된 장치들의 정보를 관리하고, 다수의 근골격 분석 장치들(100)로부터 피측정자의 측정정보를 수집하여 데이터베이스에 저장한다(S22,S23). 경우에 따라서는 빅데이터 수집 기술을 이용하여 네트워크에서 필요한 데이터들을 수집할 수도 있다.
서비스 서버(20)는 수집된 근골격 관련 정보를 빅데이터 분석기술을 이용하여 분석한 후 근골격 분석을 위한 기준 데이터를 생성한다(S24,S25). 본 발명의 실시예에서 기준 데이터로는 기준 프레임 데이터와 평가항목들에 대한 정상상태 데이터가 있다.
이어 생성된 기준 데이터를 등록된 장치들에 전송하고, 이에 따라 각 장치들은 기준 데이터를 갱신하여 근골격 분석이 보다 정확하게 이루어지게 한다(S26,S27).
이상에서 본 발명은 도면에 도시된 일 실시예를 참고로 설명되었으나, 본 기술분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다.
100: 근골격 분석 장치 102: 프레임
104: 네트워크 20: 서비스 서버
110: 레이저 발판 120: 카메라
130: 근골격 분석 본체 131: 영상입력부
132: 에지 검출부 133: 기준 프레임 데이터부
134: 골격점 추출부 135: 평가항목 계산부
136:골격 시물레이션부 137: 근육상태 진단부
138: 근육상태 시물레이션부 139: 평가결과 비교부
140: 위험도 예측부 141: 서버 통신부
142: 사용자 데이터 송신부 143: 기준 데이터 갱신부
144: 정상상태 데이터부 145: 제어부
146: 사용자 인터페이스부 150: 입력부
160: 디스플레이부 170: 프린터

Claims (5)

  1. 피측정자의 전면, 측면, 후면을 촬영하기 위한 카메라와, 피측정자의 측정시 발 위치를 표시하기 위한 발판과, 측정과정과 측정결과를 표시하기 위한 디스플레이와, 상기 카메라로부터 피측정자의 전면, 측면, 후면 스캔 영상을 입력받아 골격점을 추출한 후 소정 식에 따라 복수의 평가항목을 산출하고, 산출된 평가항목들의 값을 소정의 기준 데이터와 비교하여 골격 상태와 골격에 따른 근육상태를 진단하고, 피측정자의 골격점과 근육상태를 시물레이션하여 상기 디스플레이로 출력하는 근골격 분석 본체를 포함하는 근골격 분석 장치에 있어서,
    상기 근골격 분석 본체가
    상기 카메라로부터 영상 데이터를 입력받아 에지를 검출하기 위한 에지 검출부;
    상기 에지 검출부에서 검출된 피측정자의 에지정보를 바탕으로 배경과 사용자 프레임을 분리한 후 사용자 프레임에서 복수의 피측정자의 골격점들을 추출하는 골격점 추출부;
    상기 골격점 추출부에서 추출된 피측정자의 골격점들에 의해 골격 상태를 평가하기 위한 평가항목의 값들을 계산하는 평가항목 계산부;
    상기 추출된 골격점들과 평가항목의 값에 의해 피측정자의 골격 형태를 표시하기 위한 데이터를 생성하는 골격 시물레이션부;
    상기 평가항목 계산부의 계산 값을 정상상태 데이터와 비교하여 근육 상태를 약화된 근육과 긴장된 근육, 및 정상 근육으로 진단하기 위한 근육상태 진단부; 및
    상기 근육상태 진단부의 진단 결과에 따라 피측정자의 근육상태를 표시하기 위한 데이터를 생성하는 근육상태 시물레이션부를 포함하고,
    상기 골격점 추출부는
    정면스캔을 통해 사용자 프레임에 있는 각 픽셀들 중 제일 높은 위치에 있는 픽셀의 좌표(Max(x,y))와, 사용자 프레임에 있는 각 픽셀들 중 제일 낮은 위치에 있는 픽셀의 좌표(Min(x,y))와, 사용자 프레임에 있는 모든 개별 픽셀 위치의 평균에 해당하는 무게중심점 좌표(COG(x,y))를 구한 후 키(Height), 상체길이, 하체길이를 산출하여 정면 골격점을 추출하기 위한 기초 상수로 정의하고, 바닥에서 무게중심점(COG) 사이의 길이와 무릎에서 발목 사이의 길이의 비(coefficient_knee), 바닥에서 무게중심점(COG) 사이의 길이와 발목에서 무게중심점(COG) 사이의 길이의 비(coefficient_ankle), 상체길이 대비 무게중심점(COG)과 대결절(Greater Tubercle) 사이의 길이 비율(coefficient_greater_tubercle), 상체길이 대비 무게중심점(COG)과 척추 7번 뼈(C7) 사이의 길이 비율(coefficient_C7), 상체길이 대비 척추 7번 뼈(C7)와 대결절 사이의 길이 비율(coefficient_C7_to_greater_tubercle), 상체길이 대비 무게중심점(COG)과 대퇴골두(femur head) 사이의 길이 비율(coefficient_femur_head_to_COG), 척추 7번 뼈(C7)의 x 좌표값을 알기 위한 면적의 범위(C7_y_range), 상체길이 대비 무게중심점(COG)에서 귀까지 길이 비율(coefficient_side_ear_from_COG), 하체길이 대비 대퇴부 길이 비율(coefficient_thigh_lower_body)을 계수로 정의한 후 소정 식에 따라 제 1 내지 제 11 정면 골격점을 각각 산출하고,
    측면 스캔을 통해 사용자 프레임에 있는 각 픽셀들 중 제일 높은 위치에 있는 픽셀의 좌표(Side.Max(x,y)), 사용자 프레임에 있는 각 픽셀들 중 제일 낮은 위치에 있는 픽셀의 좌표(Side.Min(x,y)), 사용자 프레임에 있는 모든 개별 픽셀 위치의 평균에 해당하는 무게중심점(Side.COG(x,y))을 구해 측면 키(Side.Height), 상체길이, 하체길이를 산출하여 기초상수를 정의하고 바닥에서 무게중심점(COG) 사이의 길이와 무릎에서 무게중심점(COG) 사이의 길이의 비(coefficient_knee), 바닥에서 무게중심점(COG) 사이의 길이와 발목에서 무게중심점(COG) 사이의 길이의 비(coefficient_ankle), 상체길이 대비 무게중심점(COG)과 대결절(Greater Tubercle) 사이의 길이 비율(coefficient_greater_tubercle), 상체길이 대비 무게중심점(COG)과 척추 7번 뼈(C7) 사이의 길이 비율(coefficient_C7), 상체길이 대비 척추 7번 뼈(C7)와 대결절 사이의 길이 비율(coefficient_C7_to_greater_ tubercle), 상체길이 대비 무게중심점(COG)과 대퇴골두(femur head) 사이의 길이 비율(coefficient_side_ear), 상체길이 대비 무게중심점(COG)에서 귀까지 길이 비율(coefficient_side_ear_from_COG)를 계수로 정의하여 소정 식에 따라 제 1 내지 제 5 측면 골격점을 각각 산출하고,
    상기 평가항목 계산부는 상기 골격점 추출부에서 추출된 골격점을 근거로 소정식에 따라 어깨 높이 차이, 골반 높이 차이, 거북목, 등뼈 기울기, 골반의 전방 혹은 후방 이동, 무릎의 전방 혹은 후방 이동, 후방 어깨 높이 차이의 평가항목을 각각 산출하는 것을 특징으로 하는 근골격 분석 장치.
  2. 제1항에 있어서, 상기 근골격 분석 장치는
    상기 근골격 분석 본체와 네트워크로 연결되어 피측정자들의 근골격 데이터를 수집하고 빅데이터 방식으로 분석하여 기준 데이터를 생성한 후 상기 기준 데이터를 업데이트시키는 서비스 서버를 더 포함하는 것을 특징으로 하는 근골격 분석 장치.
  3. 삭제
  4. 제1항에 있어서, 상기 근골격 분석 본체는
    상기 평가항목 계산부의 계산 값을 정상상태 데이터와 비교하거나 상기 평가항목 계산부의 계산 값을 통계처리하여 위험도를 예측하는 위험도 예측부를 더 포함하는 것을 특징으로 하는 근골격 분석 장치.
  5. 삭제
KR1020200091580A 2020-07-23 2020-07-23 빅데이터 기반 근골격 분석 장치 KR102355184B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020200091580A KR102355184B1 (ko) 2020-07-23 2020-07-23 빅데이터 기반 근골격 분석 장치
PCT/KR2021/006901 WO2022019470A1 (ko) 2020-07-23 2021-06-03 빅데이터 기반 근골격 분석 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200091580A KR102355184B1 (ko) 2020-07-23 2020-07-23 빅데이터 기반 근골격 분석 장치

Publications (1)

Publication Number Publication Date
KR102355184B1 true KR102355184B1 (ko) 2022-02-07

Family

ID=79728838

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200091580A KR102355184B1 (ko) 2020-07-23 2020-07-23 빅데이터 기반 근골격 분석 장치

Country Status (2)

Country Link
KR (1) KR102355184B1 (ko)
WO (1) WO2022019470A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023153569A1 (ko) * 2022-02-08 2023-08-17 주식회사 크레스콤 무릎 관절 상태의 분석 방법 및 이를 수행하기 위한 장치

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115272313B (zh) * 2022-09-27 2022-12-30 广州辉博信息技术有限公司 基于深度图像的肌肉均衡程度分析方法、***及设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140040527A (ko) * 2012-09-26 2014-04-03 삼성전자주식회사 영상으로부터 신체 골격 및 신체 부위 정보 검출 방법 및 장치
US20160157749A1 (en) * 2013-08-25 2016-06-09 Skulpt, Inc. Systems and methods for measurement of bioimpedance
KR20190105784A (ko) * 2018-03-06 2019-09-18 (주)블루스파인테크놀러지 신체의 공간 좌표를 이용한 척추측만 정도를 판정하는 방법 및 이를 위한 컴퓨터 프로그램
KR20200046637A (ko) * 2018-10-25 2020-05-07 박재현 체형 분석 방법 및 장치

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170019667A (ko) * 2015-08-12 2017-02-22 선문대학교 산학협력단 근골격계 진단 장치

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140040527A (ko) * 2012-09-26 2014-04-03 삼성전자주식회사 영상으로부터 신체 골격 및 신체 부위 정보 검출 방법 및 장치
US20160157749A1 (en) * 2013-08-25 2016-06-09 Skulpt, Inc. Systems and methods for measurement of bioimpedance
KR20190105784A (ko) * 2018-03-06 2019-09-18 (주)블루스파인테크놀러지 신체의 공간 좌표를 이용한 척추측만 정도를 판정하는 방법 및 이를 위한 컴퓨터 프로그램
KR20200046637A (ko) * 2018-10-25 2020-05-07 박재현 체형 분석 방법 및 장치

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023153569A1 (ko) * 2022-02-08 2023-08-17 주식회사 크레스콤 무릎 관절 상태의 분석 방법 및 이를 수행하기 위한 장치

Also Published As

Publication number Publication date
WO2022019470A1 (ko) 2022-01-27

Similar Documents

Publication Publication Date Title
KR102165429B1 (ko) 체형 분석 방법 및 장치
KR102355184B1 (ko) 빅데이터 기반 근골격 분석 장치
EP2245569B1 (en) Medical imaging method and system for providing a finite-element model
US20100130832A1 (en) Methods for the Compensation of Imaging Technique In The Processing of Radiographic Images
JP2022517769A (ja) 三次元ターゲット検出及びモデルの訓練方法、装置、機器、記憶媒体及びコンピュータプログラム
CN107115102A (zh) 一种骨关节功能评估方法与装置
Sanders et al. Reliability of the elliptical zone method of estimating body segment parameters of swimmers
KR101081643B1 (ko) 관절과 근육 이상 진단 시스템 및 관절과 근육 이상 진단 방법
KR20200081629A (ko) 관절각 비교를 통한 단체 댄스 평가 장치 및 그 방법
CN114049392A (zh) 立定跳远评分***和方法
CN115837155A (zh) 一种立定跳远测量方法及装置
CN112070031A (zh) 体态检测方法、装置及设备
KR102431412B1 (ko) 바디라인 분석 장치 및 방법
EP4027887B1 (en) Inhalation metric for chest x-ray images
KR102379980B1 (ko) 체형 진단관리 시스템
KR101056122B1 (ko) 가상 마커 방식을 접목한 생체 데이터 산출 시스템 및 자동 처리 방법
KR102409566B1 (ko) 척추 시물레이션 장치 및 방법
CN108596877A (zh) 肋骨ct数据分析***
KR20190085794A (ko) 바른자세관리를 위한 자세분석 어플리케이션 제공방법
JP7201850B1 (ja) 情報処理装置、方法、およびプログラム
JP6677470B2 (ja) 外力検出装置、外力検出方法、およびプログラム
TW201004305A (en) System and method for foot detection
JP2008307286A (ja) 体型誘導システム
JP2012200329A (ja) 骨塩量測定装置
TW202305828A (zh) 嬰幼兒之發展階段算出方法

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant