50세 이상 성인에서 다발성 경화증(MS) 관련 보행 문제 진행 모니터링은 임상의가 MS 관련 문제와 기타 노화 관련 문제를 구별해야 해 어렵습니다. 이 문제 해결 위해 연구자들이 보행 데이터와 머신러닝을 통합해 질병 진행 모니터링·예측 도구를 발전시켰습니다.
다발성 경화증은 전 세계 약 200만 명 영향 미치며 다양하게 나타납니다. 보행 문제는 흔한 증상으로, 환자 약 절반이 발병 15년 내 보행 보조 필요. 연구자들은 노화와 동반 MS 질병 관련 변화 간 상호작용, 노인 MS 환자에서 둘 구별 가능 여부 규명하려 했습니다. 머신러닝 기법은 수행 능력 내 복잡한 숨은 변화 포착에 특히 효과적.
계기화된 트레드밀 이용해 20명 MS 환자와 연령·체중·키·성별 매칭된 20명 비MS 노인에게서 보행 데이터(신체 크기·인구통계 정규화) 수집. 참가자 편안한 속도로 최대 75초 걷는 동안 특수 소프트웨어가 각 보행 중 보행 이벤트, 해당 바닥 반력, 중심압 위치 포착. 팀은 각 참가자 보행 중 보폭 공간·시간·운동학적 특성 추출해 시도 간 보행 변이 검토.
나비 다이어그램(butterfly diagram) 데이터 특징 포함 여러 보행 특징 변화가 참가자 간 보행 패턴 차이 감지 도움. 이 다이어그램은 피험자 걸음 중 연속 여러 보폭 중심압 궤적 반복으로 만들어지는 나비 모양 곡선에서 이름 유래, 중요 신경학적 기능과 연관.
걷기 같은 생체역학 시스템은 모델링이 잘 안 돼 임상 현장 문제 포착 어렵. 새 방법은 개인별 측정 많지만 개인 수 적은 데이터셋에서 결론 도출. 이 연구 결과는 임상 머신러닝 기반 질병 예측 전략 분야에 중요한 진전.
감지기
머신러닝(Machine Learning)은 인공지능(AI) 한 갈래로, 기계가 명시적 프로그래밍 없이 실제 데이터로부터 학습하는 기술입니다. 산업 현장에서 이 알고리즘이 주는 이점과 활용법을 살펴봅니다. 머신러닝 기초 AI 분파로, 알고리즘이 실데이터 학습 → 모델 생성 → 신규 데이터 클래스/유형 예측. 두 주요 패러다임: 지도 학습(Supervised Learning): 정답 레이블 붙은 데이터셋 필요 비지도 학습(Unsupervised Learning): 레이블 없이 데이터 특성 기반 자율 군집화·분류 핵심 역량: 패
이제 누구나 머신러닝과 그것이 모든 것을 바꿀 것이라는 이야기를 들어봤을 것입니다. 하지만 어떻게 시작해야 할지 아는 사람은 드뭅니다. 이 블로그의 단계를 따라하거나 읽어보는 것만으로도 PLCnext 컨트롤러로 머신러닝을 시작하는 방법을 이해하는 데 도움이 되길 바랍니다. 여기서는 첫 ML 모델 훈련, ONNX 표준으로 변환, PLCnext 컨트롤러에서 모델 추론까지 다룹니다. 유명한 아이리스 데이터셋을 사용해 모델을 구축하겠습니다. 머신러닝 소개 머신러닝이란? 머신러닝의 핵심은 통계와 알고리즘을 사용해 데이터셋에서 패턴을 찾는
