딥러닝 기반 스파인커렉터 가동범위 평가 시스템 개발과 정확성 검증 = Deep Learning-Based Range of Motion Assessment System Utilizing a Spine Corrector : Development and Validation

국문 초록 (Abstract)

본 연구의 목적은 스파인커렉터(Pilates Arc)를 이용하여 롤다운 동작을 수행할 때, 단일 RGB 카메라 기반 딥러닝 자동측정 시스템을 개발하고, 전문가 수동측정값과 비교하여 타당도를 검증하는데 있다.
연구 대상자는 근골격계 질환이 없는 69명으로 스파인커렉터에서 동작을 촬영하였으며 수동측정 시스템(Dartfish)로 8개의 각도·거리 변인을 측정했다. 촬영된 영상은 OpenCV, YOLOv8, MediaPipe Pose로 구성된 딥러닝 기반 자동측정 시스템을 통해 동일한 변인을 자동 산출하였다. 수동·자동 측정값은 Spearman 상관분석, 급내상관계수(ICC), Bland-Altman Plot 및 RMSE를 통해 타당도와 오차 패턴을 평가하였고, 요추 관절가동범위(ROM)와의 상관과 요추 유연성 수준(저·고 유연성군) 및 허리·어깨·목통증 유무에 따른 집단 간 차이를 확인하였다. 그 결과 손·팔꿈치-바닥 거리와 팔꿈치·무릎 각도에서 중간 이상, 거리 변인에서는 높은 상관과 보통(moderate-good)수준의 ICC가 확인되어 전문가 평가와 유사한 정보를 제공하였다. 반면 귀-바닥과 척추·어깨·골반 각도는 임상적으로 활용하기에는 제한적으로 나타났다. 요추 신전 ROM은 손·팔꿈치-바닥 거리와 음의 상관을 보여 요추 유연성이 높을수록 상지 하강이 증가하는 특성이 반영되었다. 허리 통증 유무에 따른 비교에서 팔꿈치-바닥 거리에서 차이가 관찰되었으나, 어깨·목통증 집단 간 차이는 제한적이었다.
딥러닝 기반 자동측정 시스템은 본 연구에서 손·팔꿈치-바닥 거리와 팔꿈치·무릎 각도에서 타당도와 신뢰도를 보여 필라테스 및 재활 현장에서 보조 도구로 활용할 수 있지만 몸통 중심의 각도는 수동측정을 병행하는 것이 필요하다. 향후 3차원 정보 및 다중 센서를 결합한 알고리즘 개선과 다양한 대상자를 포함한 후속 연구가 요구된다.

다국어 초록 (Multilingual Abstract)

The purpose of this study was to develop a deep learning–based automated measurement system utilizing a single RGB camera for roll-down movements performed on a Spine Corrector(Pilates Arc), and to evaluate its validity by comparison with expert manual measurements. The participants comprised 69 individuals without musculoskeletal disorders, whose movements were recorded while performing tasks on a Spine Corrector. Eight angle and distance variables were measured using a manual measurement system(Dartfish). The recorded videos were then processed using a deep learning–based automated measurement system integrating OpenCV, YOLOv8, and MediaPipe Pose to automatically derive the same variables. For both manual and automated measurements, validity and error characteristics were evaluated using Spearman’s correlation analysis, intraclass correlation coefficient(ICC), Bland–Altman plots, and root mean square error(RMSE). In addition, correlations with lumbar range of motion(ROM) were examined, and group differences according to lumbar flexibility level(low- and high-flexibility groups) and the presence of low back, shoulder, and neck pain were assessed. As a result, hand-to-floor and elbow-to-floor distances, as well as elbow and knee angles, demonstrated moderate or higher levels of agreement, with distance variables showing high correlations and moderate-to-good ICC values, indicating measurements comparable to expert evaluations. In contrast, ear-to-floor distance and trunk, shoulder, and pelvis angles showed limited applicability for clinical use. Lumbar extension range of motion (ROM) showed negative correlations with hand-to-floor and elbow-to-floor distances, indicating that greater lumbar flexibility was associated with increased upper-limb descent. In comparisons based on the presence of low back pain, a difference was observed in elbow-to-floor distance, whereas differences between the shoulder and neck pain groups were minimal. In this study, the deep learning–based automated measurement system demonstrated validity and reliability for hand-to-floor and elbow-to-floor distances, as well as for elbow and knee angles, indicating its potential use as a supplementary tool in Pilates and rehabilitation settings. However, for trunk-related angle measurements, automated assessment should be complemented by manual measurement. Future studies are warranted to improve the algorithm through the integration of three-dimensional information and multi-sensor data, as well as to validate the system in more diverse populations.

목차 (Table of Contents)

• Ⅰ. 서론 1
• 1.1. 연구의 필요성 1
• 1.2. 연구 목적 5
• 1.3. 연구 문제 5
• 1.4. 조작적 정의 6
• Ⅱ. 이론적 배경 8
• 2.1. 척추 건강과 관절 가동범위(ROM)의 임상적 의의 8
• 2.2. 스파인커렉터의 구조적 특성과 생체 역학적 효과 9
• 2.3. 척추 분절 운동의 운동학적 분석 11
• 2.4. 기존 동작 평가 도구의 현황 및 한계 11
• 2.5. 컴퓨터 비전을 활용한 마커리스 동작 분석 기술의 발전 12
• 2.6. YOLOv8 구조 및 특징 13
• 2.7. MediaPipe의 원리 및 장점 14
• 2.8. 딥러닝 기반 헬스케어 및 운동평가 시스템의 선행연구 동향 15
• 2.9. 동작 분석에서의 통증과 신체보상작용 16
• 2.10. 측정 시스템의 타당도 및 신뢰도 검증 16
• 2.11. OpenCV 기반 마커리스 동작 분석 시스템의 활용 17
• Ⅲ. 연구 방법 19
• 3.1. 연구 대상 19
• 3.2. 측정 도구 19
• 3.3. 자료수집 절차 21
• 3.4. 자료처리방법 24
• Ⅳ. 연구 결과 27
• 4.1. 연구 대상 특성 27
• 4.2. 자동측정 시스템과 수동측정 시스템 간 차이 및 일치도 27
• 4.3. 요추 신전 관절가동범위(ROM)와 동작 측정 변수 간 상관관계 37
• 4.4. 요추 신전 관절가동범위 상대 수준에 따른 동작 수행력 차이 38
• 4.5. 통증 유무에 따른 동작 수행력 차이 39
• 4.6. BMI가 동작 수행 지표에 미치는 영향 41
• Ⅴ. 논의 42
• 5.1. 자동측정 시스템과 수동측정 시스템 간 상관 및 일치도 42
• 5.2. 요추 신전 ROM과 동작 변수 간 상관관계 44
• 5.3. 요추 신전 ROM 수준에 따른 동작 수행력 44
• 5.4. 통증 유무에 따른 동작 수행력 차이 45
• 5.5. BMI와 동작 수행지표의 연관성 46
• 5.6. 연구의 제한점 46
• Ⅵ. 결론 및 제언 48
• 참고문헌 49