Validity and reliability of POM-Checker in measuring shoulder range of motion: Protocol for a single center comparative study

기존 수동 각도계(goniometer)의 측정 오차와 검사자 간 편차를 개선하기 위해, 마커 없이 자동으로 어깨 관절 ROM을 측정하는 시스템의 유효성을 검증하는 것이 연구의 핵심 목적이었습니다. 어깨 굴곡·외전·회전 등을 대상으로 기존 장비와 POM-Checker 결과를 비교하도록 설계했습니다.

Spine Computed Tomography to Magnetic Resonance Image Synthesis Using Generative Adversarial Networks: A Preliminary Study

GAN 기반 AI로 척추 CT 이미지를 MRI(T2)처럼 변환할 수 있는지 연구한 초기 사례입니다. 280쌍의 CT-MRI 데이터 학습 결과 생성 MRI는 실제 MRI와 평균 약 80% 유사도를 보였으며, MRI 촬영이 어려운 상황에서 CT의 진단 활용도를 높일 가능성을 제시했습니다.

깊이 센서 기반 모션 분석 시스템을 사용한 어깨 운동학 조사

Kinect-V2 및 POM checker를 이용해 정상군과 어깨 질환 환자군의 어깨 관절 움직임을 동적으로 분석했습니다. 환자군은 최대 외전 각도·각속도가 낮고 외전/내전 시간 비율이 높았으며, 어깨 기능 평가에 유용함을 보였습니다.

POM-Checker의 어깨 ROM 측정 유효성 (파일럿 연구)

Kinect 기반 마커리스 ROM 측정 장치(POM-Checker)와 3D 모션 캡처(BTS SMART DX-400)의 어깨 움직임 측정을 비교했습니다. 18개 움직임 중 16개에서 ICC > 0.75로 우수한 재현성을 보여 POM-Checker의 신뢰성·유효성을 입증했습니다.

어깨 ROM 측정을 위한 마커리스 모션 캡처 시스템에 대한 체계적 문헌고찰 프로토콜

RGB-D 센서 단일 카메라 마커리스 모션 캡처 시스템의 어깨 ROM 측정 신뢰성·유효성을 평가하기 위한 체계적 문헌고찰 방법을 제시합니다. 의료 현장에서 단일 카메라 시스템 활용 및 추가 임상 연구 가이드라인 제공을 목표로 합니다.

청소년 거북목 진단을 위한 예비 진단 모델

비침습 신체 각도 측정(POM-Checker)로 청소년 FNTA를 측정하고 방사선학적 시상면 정렬과 결합해 거북목(FHP) 예비 진단 모델을 제안했습니다. FNTA는 방사선 촬영이 필요한 대상 선별에 중요하며, 모델 일치율은 95.35%였습니다.

한의사 교의사업이 초등학생의 경추 자세 교정에 미치는 영향

POM Checker®로 초등학생 거북목(FHP)을 정량화하고, 바른 자세 교정 한의사 교의 프로그램 후 자세 불균형 개선을 조사했습니다. 거북목 각도·이해도가 개선되었고 바른 자세 지식과 만족도가 유의하게 높아졌습니다.

AI 지원 RGB-D 센서를 이용한 관절 ROM 측정 신뢰성 연구

RGB-D 센서 기반 AI 장치(POM-Checker)로 관절 ROM을 측정하고 만능 각도계(UG)와 신뢰성을 비교했습니다. 모든 관절에서 ICC > 0.75의 우수한 내적 일치도를 보였으나, 엉덩이 관절에서는 UG 대비 낮아 추가 개선·표준화 필요성을 제기했습니다.

건강한 개인 및 유착성 관절낭염 환자 대상 단일 카메라 마커리스 시스템(iBalance) 어깨 ROM 신뢰성·유효성

단일 카메라 마커리스 시스템 iBalance로 건강한 개인과 유착성 관절낭염 환자의 어깨 ROM 신뢰성·유효성을 평가했습니다. 굴곡·외전·수동 외전에서 우수한 신뢰성과 각도계 대비 강한 유효성을 보여 임상 대안 가능성을 시사했습니다.

RGB-D 카메라 기반 어깨 ROM 측정 마커리스 모션 캡처: 체계적 문헌고찰

RGB-D 단일 카메라 마커리스 시스템의 어깨 ROM 측정 신뢰성·유효성을 체계적으로 검토했습니다. 굴곡·외전 등 단순 움직임에서는 유망하나 복합 움직임 불일치로 즉각적 임상 적용은 제한되며, 고품질 추가 연구가 필요하다고 결론지었습니다.

Deep CT to MR Synthesis Using Paired and Unpaired Data

CT 이미지를 MRI로 변환하는 AI 모델(MR-GAN)을 제안했습니다. 기존 연구가 paired 또는 unpaired 데이터 중 하나만 사용한 것과 달리 두 방식을 함께 활용해 합성 성능을 개선한 것이 핵심입니다.

DC²Anet: Generating Lumbar Spine MR Images from CT Scan Data Based on Semi-Supervised Learning

척추 CT를 MRI처럼 변환하는 AI 모델 DC²Anet을 제안한 연구로, semi-supervised learning을 활용해 MR-GAN 대비 한 단계 발전한 합성 접근을 제시했습니다.