비침습 삼차원 보행 분석으로 주요우울장애의 정신운동 지연 정량화

초록

본 논문은 단일 RGB 카메라 영상을 이용해 중증 주요우울장애 환자의 정신운동 지연(PMR)을 객관적으로 측정하는 비침습 3D 보행 분석 프레임워크를 제안한다. Gravity‑View 좌표계와 폐쇄루프 기반 궤적 보정 알고리즘을 적용해 깊이 드리프트를 감소시키고, 297개의 해석 가능한 생체역학적 바이오마커를 추출한다. 안정성 기반 머신러닝을 통해 소규모 데이터셋에서도 과적합을 방지하며, CALYPSO 데이터셋에서 PMR 검출 정확도 83.3%와 우울증 중증도 설명력 R²=0.64를 달성하였다.

상세 분석

이 연구는 기존의 마커 기반 MoCap이나 전용 깊이 센서에 비해 비용·공간·설치 제약이 적은 단일 RGB 영상만으로 고품질 3D 보행 데이터를 얻는 방법론적 진보를 보여준다. 핵심 기술은 GVHMR(Gravity‑View Human Mesh Recovery) 모델을 기반으로 한 전신 메쉬 복원이며, 여기서 얻은 SMPL 파라미터(β, θ, ϕ, t)를 전역 중력 좌표계에 정렬한다. 단일 카메라에서 발생하는 누적 드리프트는 TUG 프로토콜의 폐쇄 루프(p₀≈p_N) 특성을 활용한 최소제곱 최적화로 보정한다. 이때 속도 보존 제약을 추가해 로컬 움직임을 왜곡하지 않으며, PCA 기반 주축 정렬을 통해 모든 피험자의 진행 방향을 전역 Z축에 일치시킨다.

데이터 전처리 후 45개의 관절 좌표 시퀀스를 얻고, 1D 진행 신호와 속도 임계값을 이용해 턴 구간을 자동 검출, 안정적인 직선 보행 구간을 추출한다. 이렇게 얻어진 구간에서 보폭, 보행 속도, 관절 각도, 골반 기울기, 팔 흔들림 등 297개의 바이오마커를 계산한다. 각 바이오마커는 정신운동 지연의 임상적 의미와 직접 연결될 수 있도록 설계되었으며, 예를 들어 발목 추진력 감소와 골반 전후 이동 제한은 기존 임상 관찰과 일치한다.

머신러닝 단계에서는 작은 표본 크기(42명)로 인한 과적합 위험을 완화하기 위해 ‘안정성 기반(feature stability)’ 선택 방식을 도입한다. 구체적으로 부트스트랩 샘플링을 여러 차례 수행하고, 각 반복에서 모델(예: 로지스틱 회귀, 랜덤 포레스트)의 중요도 순위를 산출한다. 반복 간 중요도 순위가 높은 특징을 최종 후보로 선정함으로써 데이터 변동성에 강인한 특징 집합을 확보한다. 이 과정은 해석 가능성을 유지하면서도 모델 성능을 최적화한다.

실험 결과, PMR 이진 분류에서 83.3%의 정확도와 0.78의 AUC를 기록했으며, 전체 HDRS 점수에 대한 회귀에서는 R²=0.64, MAE≈2.1점을 달성했다. 특히 발목 관절의 dorsi‑flexion 순간 속도와 골반 전후 기울기 변화가 가장 높은 안정성을 보였으며, 이는 정신운동 지연의 핵심 모터 서명으로 해석된다. 또한, 기존의 깊이 센서 기반 혹은 다중 카메라 기반 방법과 비교했을 때, 비용·설치·사용 편의성 측면에서 현저히 우수하면서도 정확도 손실이 미미함을 입증한다.

이 논문은 (1) 단일 RGB 영상만으로도 임상 수준의 3D 보행 데이터를 얻을 수 있음을, (2) 폐쇄루프 기반 궤적 보정이 장시간 촬영 시 깊이 드리프트를 효과적으로 억제함을, (3) 해석 가능한 바이오마커와 안정성 기반 특징 선택이 소규모 정신건강 데이터셋에서도 강인한 예측 모델을 만든다는 점을 보여준다. 향후 연구에서는 외부 검증 코호트와 실시간 피드백 시스템을 구축해 임상 현장에서의 적용 가능성을 확대할 수 있을 것으로 기대된다.