1. 서 론
최근 하루 일과 중 좌식 생활 비중이 꽤나 높아졌다. 이로 인하여 척추 관련 질병이 매해 증가하는 추세이다. 건강보험심사평가원에 따르면 2013년부터
2017년까지 척추 질환 환자는 770만명에서 863만명으로 증가하였고, 그에 따른 요양급여비용 총액도 2017년엔 약 25억원 수준을 웃돌고 있다.[1]
그림 1 척추 관련 질병 발생 추이
Fig. 1 Spinal Related Disease Occurrence Trend
척추 질환 중에서 척추 만곡증은 그 비중이 높으며 흔한 질병이다. 척추 만곡증은 척추가 변형된 방향에 따라 3가지로 분류할 수 있다. 척추가 측방으로
변형되었을 시 척추 측만증, 척추의 밑부분이 전방으로 변형되었을 시 척추 전만증, 척추의 윗부분이 후방으로 변형되었을 시 척추 후만증이라 한다.[2]
그림 2 (좌)정상 척추 모델, (우)비정상 척추 모델
Fig. 2 (Left)Nomal Model, (Right)Transformed Mode
이러한 질병을 진단하려면 전문 의료 기관에 방문하여 X-RAY, MRI, CT 등의 장비를 사용해야 한다.[3] 이는 일상생활에서 간이 진단할 수 있는 방법이 아니며, 시간과 비용이 강제로 지출된다. 이러한 현상을 줄이기 위해 일상생활 시 자세 판별을 통한
질병 예방이 요구된다.[4]
그림 3 압력센서를 사용한 좌식 자세 판별 시스템[7]
Fig. 3 A Position Monitoring System Using Pressure Sensor
위 그림 3은 현재 진행되는 연구 중 압력센서를 사용하여 좌식 시 자세를 판별하는 시스템 구성도이다.[5] 이는 압력센서 4개를 사용하여 좌식 시 생기는 압력 변화를 측정하고, 측정된 데이터를 그래프로 도시한다. 이러한 방식은 압력센서 개수를 추가하여
측정 부위를 다양한 곳에 적용할 수 있지만 이와 동시에 가격이 상승하고, 센서 간의 감도 차이로 인한 오차 발생률도 높아진다.[6]
본 연구에선 좌식 시 발생하는 임피던스 변화량을 전도성 섬유 센서로 측정한 뒤, 압력분포도로 도시하는 시스템을 개발한다. 이때 사용되는 전도성 섬유
센서는 좌식 시 압력분포 측정에 알맞은 크기와 모양으로 자체 제작하여 6x6, 36개의 노드로 구성하여 측정한다. 측정된 데이터는 이미지 프로세싱
작업을 통해 압력분포도로 변환하여 보여준다. 이번 연구는 척추 질환을 예방하기 위해 좌식 시 자세를 판단하고자 허리를 앞, 뒤, 좌, 우로 굽혀 척추
질환의 원인이 되는 자세를 재현하여 실험을 진행한다.[8]
2. 본 론
2.1 시스템 구성
그림 4 시스템 블록도
Fig. 4 System Block Diagram
본 연구에서 적용된 시스템은 그림 4와 같다. 전도성 섬유 센서의 임피던스 변화량에 따른 신호를 측정하기 위해 MCU(Micro Controller Unit)가 총 36개의 노드로부터
Analog Data를 받는다. 이후 Data Analysis를 진행, ADC level을 4096단계로 정렬하고, 정렬된 데이터를 PC에 전송한다.
수신된 데이터는 이미지 프로세싱 작업을 통해 압력분포도로 변환하여 도시한다.
2.2 하드웨어 구성
본 연구에서는 전도성 섬유 센서를 제작하고, 그에 맞는 MCU와 주변 회로를 구성하였다.
2.2.1 전도성 섬유 센서
그림 5 전도성 섬유 구조
Fig. 5 Conductive Fabric Structure
전도성 섬유 센서는 전도성 섬유(EeonTex Conductive Fabric, EeonTex. inc.), Copper-Tape(3M 1181 10mm
x 1M, 3M. inc.), OHP-Film(OHP필름 A-3, 드림디포. inc.)을 사용하여 자체 제작하였다.
핵심 재료인 전도성 섬유는 섬유이면서 전도성을 가지고 있다. 내부구조는 그림 5와 같이 섬유 속에 가느다란 전도성 섬유가 일정한 간격으로 배치된 것을 확인할 수 있다. 이러한 구조를 이용하여 위 방향에서 아래 방향으로 압력을
가할 때 생기는 물리적 거리 축소를 임피던스의 축소 개념으로 바꾸어 센서를 구성하였다.[9]
위와 같은 개념을 사용하여 데이터를 얻기 위해 데이터 라인과 노드를 구성하였다. 재료는 Copper-Tape을 사용하였고, 노드 사이 간격을 4cm
유지한 채 앞면은 세로, 뒷면은 가로 방향으로 덧붙여 6x6, 36개의 노드를 전체 크기 30x30cm, 한 노드당 크기 1x1cm로 구성하였다.
이때 가로 방향 라인은 Digital Output, 세로 방향은 Analog Input에 해당한다. 그리고 센서의 안정성을 더하고자 겉면을 OHP-
Film으로 덮어 외부와 절연된 상태를 구성하였다.
그림 6 전도성 섬유 센서 (좌)앞면, (우)뒷면
Fig. 6 Conductive Fabric Sensor (Left)Front(Right)Back
2.2.2 MCU
본 연구에서 Data Analysis 등 여러 기능을 처리하기 위해 STM32F103RBT6칩을 내장한 NUCLEO-F103RB(ST. inc.)
개발 보드를 사용하였다. 해당 MCU는 72MHz의 Clock을 사용하고, ADC, UART 기능을 사용할 수 있다.
2.2.3 주변 회로
주변 회로는 3.3V의 전압 구동과 8MHz 외장 오실레이터, GPIO(General Purpose Input Output) 포트 중 6개의 Digital
Output, 6개의 Analog Input, Tx, Rx를 사용하여 시스템을 구성하였다.
2.3 소프트웨어 구성
본 연구에서는 전도성 섬유 센서를 사용하기 위한 알고리즘을 구현하였다. 그리고 알고리즘을 코드로 변환하여 MCU의 펌웨어로 구현하였다. 압력분포도
도시를 위해 이미지 프로세싱 작업을 하였고, 마찬가지로 코드로 변환하여 구현하였다.
2.3.1 알고리즘
본 연구에서는 두 가지 실험을 진행하였다. 먼저 센서의 특성을 확인하기 위해 센서의 일부인 1x1 부분을 사용하여 실험을 진행하였고, 6x6형태의
데이터를 얻어 압력분포도를 도시하였다.
1x1형태의 전도성 섬유 센서 회로는 그림 7과 같다. Digital Output 1에 해당하는 GPIO 포트에서 3.3V의 전압을 직렬로 연결된 전도성 섬유 센서와 전압분배용 더미 저항에 인가한다.
전압이 인가된 더미 저항에 병렬로 데이터 라인을 구성해 Analog Input 1에 해당한 GPIO 포트와 연결하여 임피던스 변화량에 따른 신호를
측정하였다.
그림 7 1x1형태의 전도성 섬유 센서 회로
Fig. 7 1x1 Type Conductive Fabric Sensor Circuit
6x6형태의 전도성 섬유 센서 회로는 그림 7의 1x1 회로를 확장하여 구성한 형태이다. 1x1형태의 신호측정 방식을 기반으로 Analog Input 1부터 6 포트까지 확장하여 각기 다른 Analog
Data 6개를 받는다. 이러한 방식으로 Digital Output 1부터 6 포트까지 확장하여 6x6형태의 회로를 구성하였다.
구동 방식은 Digital Output 포트 중 Digital Output 1 포트에 3.3V를 인가하고 나머지 포트에는 0V(접지)를 인가한다.
그리고 Analog Input 1부터 6 포트까지 차례대로 Analog Data를 측정한다. 측정이 끝나게 되면 Digital Output 2부터
6 포트순서대로 위와 같은 방식을 반복하며 Analog Data를 측정한다. 총 36개의 Analog Data가 쌓이면 Data Analysis를
진행, 이후 UART 통신으로 PC에 전송한다. PC에 전송받은 데이터는 이미지 프로세싱 작업을 통해 압력분포도로 변환하여 도시하였다.
2.3.2 펌웨어 구현
펌웨어는 STM32F103RBT6칩에 대응하며, ADC, GPIO, UART 기능을 사용할 수 있게 구현하였다.
ADC는 총 6개의 Channel을 사용하였다. Clock은 APB2 Prescaler에 할당된 64MHz에서 ADC Prescaler의 1/8배를
적용해 8MHz로 할당시켰다. Sampling Time은 55.5Cycles로 설정하여 구현하였다.
UART는 8Bit, Baud Rate는 115200Bit/s로 설정하여 PC로 통신할 수 있는 조건을 구현하였다.
코드 입력 시 사용한 드라이버는 STM社에서 제공되고 있는 HAL 드라이버를 사용하였다. 이번 연구에서는 ADC 사용 시 HAL_ADC_PollForConversion
함수를 사용하여 구현하였다. 마찬가지로 UART도 HAL_UART_Transmit을 사용하여 구현하였다.
2.3.3 이미지 프로세싱
압력분포도를 도시하기 위해 이미지 프로세싱 작업을 진행하였다. 프로그램 내부 라이브러리를 사용하여 전체적인 UI 구성 및 설정을 조절하였고, 데이터
크기에 맞게 Maxvalue, Interpol- ation 조정이 이루어졌다.
실행 창에는 압력분포도, Maximum Value, Sum Value, Comport 등의 정보를 표시하였다.
압력분포도는 Data Analysis를 통해 ADC level을 kg에 비례하여 0kg=검은색, 0kg<초록색<25kg, 25kg<빨간색으로 데이터
크기에 따라 색을 표시하였다. 그리고 데이터 범위의 경계 색깔은 인접한 두 색을 섞어 표시하였다.
2.4 실험 방법
6x6 형태의 전도성 섬유 센서 중 일부인 1x1 부분을 사용하여 센서 특성을 확인하였고, 6x6형태로 구성하여 압력분포도를 도시하였다.
2.4.1 전도성 섬유 센서 1x1 실험 방법
해당 실험은 그림 8과 같이 500g에 해당한 무게추를 1x1의 노드마다 올려두기 전과 후로 나누어 측정하였다. 이때 노드는 센서 앞면 기준으로 왼쪽 위부터 ‘노드0’,
오른쪽 아래 방향 순으로 ‘노드35’까지 지정하였다.
그림 8 (좌)무게추를 올리기 전, (우)무게추를 올린 후
Fig. 8 (Left)Before Lifting Weight (Right)After Lifting Weight
2.4.2 전도성 섬유 센서 6x6 실험 방법
본 연구의 최종 목표는 좌식 시 발생하는 임피던스 변화량을 전도성 섬유 센서로 측정하여 압력분포도로 도시하는 것이다. 이를 위해 그림 9와 같이 전도성 섬유 센서를 의자에 부착한 후, 실험자가 착석하면 데이터를 측정하였다.
그림 9 (좌)의자와 결합한 전도성 섬유 센서 (우)실험자 착석
Fig. 9 (Left)Fabric Sensor Combined with Chair (Right)Subject Seating Position
표 1 정상상태 압력분포도
Table 1 Steady-State Pressure Distribution
|
실험자1
|
실험자2
|
실험자3
|
실험자4
|
실험자5
|
|
남자
|
남자
|
남자
|
남자
|
남자
|
|
180cm
|
177cm
|
178cm
|
174cm
|
172cm
|
|
78kg
|
75kg
|
74kg
|
71kg
|
74kg
|
|
실험자6
|
실험자7
|
실험자8
|
실험자9
|
실험자10
|
|
남자
|
남자
|
남자
|
남자
|
남자
|
|
176cm
|
175cm
|
181cm
|
183
|
175cm
|
|
75kg
|
76kg
|
76kg
|
77kg
|
73kg
|
그림 10 착석 자세
Fig. 10 Seating Position
척추 질환의 원인이 되는 자세 불안정을 판단하기 위해 실험자의 허리를 특정 방향으로 굽혀, 인위적으로 불안정한 상태를 재현하였다.
그림 10과 같이 정상상태, 좌, 우, 앞, 뒤로 굽힌 상태가 기준이며, 총 5가지의 자세를 압력분포도로 확인하였다.
실험자는 총 10명을 산정하였고, 각각의 자세를 취하게 하였다. 각 실험자에 대한 성별, 키, 몸무게 정보는 다음 표 1과 같다.
2.5 실험 결과
2.5.1 전도성 섬유 센서 1x1 실험 결과
해당 실험은 각 노드에 무게추를 올리기 전과 후를 측정한 실험으로 충분히 안정된 상태가 이루어지면 데이터를 측정하였다. 측정한 데이터는 Data Analysis를
통해 ADC level 0~4095 사이 범위로 표시하였다.
다음 표 2는 무게추에 의한 일정 압력 변화에 따른 센서의 임피던스 변화 특성 결과이며 일정 압력에 대응하여 일정값이 측정되는 센서의 경향성을 확인할 수 있다.
표 2 일정 압력 변화에 따른 센서 임피던스 변화 특성
Table 2 Characteristics of Sensor Impedance Variation with Constant Pressure
|
노드0
|
노드1
|
노드2
|
노드3
|
노드4
|
노드5
|
|
6
|
7
|
6
|
4
|
5
|
7
|
|
52
|
51
|
51
|
52
|
51
|
5
|
|
노드6
|
노드7
|
노드8
|
노드9
|
노드10
|
노드11
|
|
6
|
4
|
6
|
6
|
5
|
6
|
|
53
|
52
|
52
|
51
|
52
|
52
|
|
노드12
|
노드13
|
노드14
|
노드15
|
노드16
|
노드17
|
|
7
|
5
|
6
|
4
|
6
|
7
|
|
51
|
52
|
52
|
52
|
52
|
53
|
|
노드18
|
노드19
|
노드20
|
노드21
|
노드22
|
노드23
|
|
6
|
6
|
6
|
5
|
6
|
6
|
|
52
|
53
|
52
|
52
|
52
|
53
|
|
노드24
|
노드25
|
노드26
|
노드27
|
노드28
|
노드29
|
|
5
|
4
|
5
|
6
|
4
|
5
|
|
51
|
51
|
52
|
52
|
51
|
52
|
|
노드30
|
노드31
|
노드32
|
노드33
|
노드34
|
노드35
|
|
6
|
5
|
6
|
5
|
6
|
6
|
|
52
|
52
|
51
|
52
|
53
|
52
|
2.5.2 전도성 섬유 센서 6x6 실험 결과
해당 실험은 실험자가 허리의 굽힘을 인식할 정도로 특정 자세를 취한 뒤 안정된 상태에서 데이터를 확보하였다.
데이터는 각 36개의 노드에서 측정하였고, Data Analysis를 통해 ADC level 0~4095 사이 범위로 정렬하였다. 그리고 이미지 프로세싱
작업을 통해 압력분포도로 변환하여 도시하였다. 이때 압력분포도는 그림 11과 같이 실험자의 착석 방향과 일치하여 도시하였다.
그림 11 압력분포도
Fig. 11 Pressure Distribution
정상상태 압력분포도는 표 3과 같이 도시되었다.
표 3 정상상태 압력분포도
Table 3 Steady-State Pressure Distribution
좌측으로 허리를 굽힌 상태에서의 압력분포도는 표 4와 같이 도시되었다.
표 4 좌측으로 굽힌 상태 압력분포도
Table 4 Tilted-to-the-Left Pressure Distribution
우측으로 허리를 굽힌 상태에서의 압력분포도는 표 5와 같이 도시되었다.
표 5 우측으로 굽힌 상태 압력분포도
Table 5 Tilted-to-the-Right Pressure Distribution
앞쪽으로 허리를 굽힌 상태에서의 압력분포도는 표 6과 같이 도시되었다.
표 6 앞으로 굽힌 상태 압력분포도
Table 6 Tilted-to-the-Front Pressure Distribution
뒷쪽으로 허리를 굽힌 상태에서의 압력분포도는 표 7과 같이 도시되었다.
표 7 뒤로 굽힌 상태 압력분포도
Table 7 Tilted-to-the-Back Pressure Distribution
정상상태에서 압력분포도는 빨간색 원형이 좌우로 대칭성을 나타내며 표현되는 것을 확인할 수 있다. 이는 골반 중 좌골에 해당하는 부위의 접촉이 다른
부위보다 상대적으로 강해 나타나는 현상으로, 허벅다리나 둔부 부위 중 살에 덮여있는 곳보다 큰 임피던스 변화가 일어나는 것을 확인할 수 있다.[10] 또한 실험자4의 몸무게가 제일 낮아 정상상태에서 압력분포도의 전체 면적 및 빨간색 원형의 크기가 다른 실험자에 비해 작은 것을 확인할 수 있다.
정상상태가 아닌 허리를 좌, 우로 굽히고 있는 상태에서는 빨간색 원형이 대칭성을 잃고 사라지거나 방향에 맞추어 이동한 모습을 확인할 수 있다.
허리를 앞으로 굽히고 있는 상태에서는 좌골이 상대적으로 좌석과 떨어지게 되어 빨간색 원형이 작거나 없어지는 모습을 확인할 수 있다.
허리를 뒤로 굽히고 있는 상태에서는 압력분포도의 모습이 정상상태와 유사하지만 좌골과 꼬리뼈의 추가적인 접촉으로 인하여 임피던스 변화가 더 커지고 그로
인한 불균형한 모습을 확인할 수 있다.
3. 결 론
본 연구에선 좌식 시 발생하는 임피던스 변화량을 전도성 섬유 센서로 측정한 뒤, 압력분포도로 도시하는 시스템을 개발하였다. 전도성 섬유 센서는 6x6,
총 36개의 노드로 구성하였으며, 데이터 측정에 알맞은 크기와 모양으로 자체 제작하였다. 압력분포를 측정하기에 앞서 센서의 임피던스 변화량에 대한
특성을 확인하였고, 실험 결과 일정 수준의 데이터가 측정되는 것을 확인하였다. 그리고 실험자 10명을 대상으로 한 5가지 자세의 압력분포도를 확인하였고,
특정 자세에서 일관된 경향성의 압력분포도가 나타난다는 것을 확인하였다.
기존에 이루어진 연구와 비교하여 직관적인 그래프 도시, 단일 센서, 다중 노드 개념을 통한 선형성 확보, 허리 굽힘과 압력분포도의 상관관계를 확인하였다.
향후 본 연구가 척추 질환의 원인이 되는 자세 불안정을 판단하기 위해서는 압력분포도의 해상도 향상, 전도성 섬유 센서의 감도 향상이 필요하다. 이를
위해 전도성 섬유 센서의 노드 추가, 전압 안정화, 전도성 섬유 교체 등 여러 개선 사항을 적용하여 개발할 예정이다.