Monitoring the energy expenditure of human physical activities can provide quantitative indicators for disease prevention such as obesity, rehabilitation, and training effectiveness. Energy expenditure occurs through biochemical reactions in the process of creating ATP, which is used for muscle contraction along with oxygen, and involves energy sources such as protein, fat, and carbohydrates. Therefore, it is measured using expensive specialized equipment like gas analyzers that analyze the oxygen consumed in ATP production. Consequently, there are limitations in measuring energy expenditure during daily life, and wearable devices like smartwatches were known as showing low accuracy and unstabilities.
Recent studies have reported that in running, energy expenditure has a high correlation with ground contact time, which can infer muscle activity or mechanical work associated with muscle contraction. However, the indicators used in energy expenditure estimation methods, such as ground reaction forces, can only be obtained through measurements in a laboratory equipped with biomechanical measurement equipment like force plates and optical motion capture systems, limiting their application in daily life. This study investigates a method for securing energy expenditure information while maintaining the convenience of wearing wearable devices by estimating energy expenditure through a single inertial sensor, which previously could only be measured in a laboratory environment.
The hypothesis in this study is that energy expenditure during running can be estimated from the ground reaction force obtained from the kinematic information of an inertial sensor attached near the center of mass, based on the biomechanical characteristics. To verify the hypothesis, the detailed research objectives established in each chapter are as follows.
First, in Chapter 2, we proposed a few biomechanical indicators to estimate energy expenditure during running at various speeds and intensities. By connecting simplified joint torque information from previous research results with ground reaction force, a new energy expenditure estimation index consisting of ground contact time and anteroposterior ground reaction force was proposed and its validity was verified by comparing the correlation with energy expenditure through oxygen consumption measurement during treadmill running at various speeds and intensities.
In Chapter 3, the accuracy of energy expenditure estimation based on biomechanical indicators, such as mechanical work, which have a high correlation with energy expenditure, was investigated by estimating them from a single inertial sensor. In addition, through a comparison with commercial smartwatches, we examined the validity and feasibility of the proposed method. The indicators used for energy expenditure estimation in Chapter 2 required ground reaction force measured by force plates. In this study, the ground reaction force was estimated from the acceleration measured during walking and running by attaching an inertial sensor near the center of mass, the sacral region, without force plate measurements, based on the elastic relationship between the trajectory of the center of mass and ground reaction force. The energy expenditure estimation performance was investigated through treadmill running experiments at various speeds and intensities using the ground reaction force estimated through machine learning. Garmin sports products and the Apple Watch, which have the highest market share worldwide, were compared as commercial products and discussed about energy estimation performance.
This study proposed and verified a method for estimating energy expenditure during running using an inertial sensor. Biomechanical indicators such as mechanical work and ground contact time, which are related to energy expenditure during running, were calculated, and the accuracy of energy expenditure estimated from a single inertial sensor was evaluated. The validity and applicability of the proposed method were also investigated through comparison with commercial smartwatches. This study is expected to contribute to improving the accuracy of energy expenditure estimation in wearable devices such as smartwatches in the future and increase the applicability of personalized health and exercise management, nutrition and diet management, and personalized management by estimating energy expenditure based on biomechanical characteristics during running and applying
인체의 신체 활동에 대한 에너지 소비량을 추적하면 비만 등의 질병 예방, 재활 및 트레이닝 효과 등의 정량적 지표를 제공할 수 있다. 에너지 소비는 단백질, 지방, 탄수화물 등의 에너지원이 산소와 함께 근 수축에 사용되는 ATP의 생성 과정에서의 생화학적 반응에 의해 발생하므로, ATP 생성에 소모된 산소 등을 분석하는 고가의 전문 기기인 가스 분석기 등을 사용하여 측정한다. 따라서 일상생활 중 에너지 소비량을 측정하는 데에는 한계가 있으며, 스마트 워치 등 착용이 편리한 웨어러블 기기는 통계적 데이터를 활용하여 에너지 소비량을 제공하므로 정확도에 한계가 있다. 최근 달리기의 경우 에너지 소비량이 근 수축과 높은 상관 관계를 가지는 역학일이나 근 활성도를 유추할 수 있는 지면 접촉 시간과 높은 상관 관계를 가진다는 연구 결과가 보고된 바 있으나, 에너지 소비량 추정 방법에 사용된 지면반력 등의 지표들은 힘판과 광학식 모션 캡쳐 시스템 등 생체 역학 측정 장비가 갖춰진 실험실 하에서 측정을 통해 구할 수 있어 일상 생활에서 에너지 소비량 추정에 활용하는 데에는 한계가 있다. 이에 본 연구에서는 실험실 환경 하에서만 측정이 가능했던 에너지 소비량을 단일 관성 센서를 통해 추정함으로써 궁극적으로 웨어러블 기기의 착용 편의성을 유지하면서 에너지 소비량 정보를 확보하는 방법에 대해 고찰하였다.
본 연구에서는 달리기 시 무게중심의 운동과 지면반력 간의 동역학적 특성이 탄성역학에 기반한다는 생체역학적 특성을 활용하여 무게중심 근처에 부착한 관성센서로의 운동학 정보로부터 지면반력 정보를 추정할 수 있고, 지면반력으로부터 계산할 수 있는 역학일 등의 동역학적 정보가 에너지소비량과 상관관계가 있다는 점에 착안하여, 관성센서로부터 달리기시 에너지소비량을 추정할 수 있다고 가설을 설정하였다. 가설의 검증을 위해 각 챕터에서 수립한 세부 연구목표는 다음과 같다.
첫째, 챕터 2에서는 다양한 속도와 강도에서의 달리기 시 에너지소비량을 추정하는 생체역학적 지표를 제안하였다. 선행연구 결과에서 간략화 되어 있던 관절 토크 정보를 지면반력과 연계함으로써 지면접촉시간과 전후방향 지면반력으로 구성된 새로운 에너지소비량 추정 지표를 제안하고 다양한 속도와 강도에서의 트레드밀 달리기 시 산소소비량 측정을 통해 에너지소비량과의 상관관계를 비교함으로써 제안한 지표의 타당성에 대해 검증하였다.
챕터 3에서는 챕터 2에서 제안한 지표 즉, 에너지소비량과 높은 상관관계를 보이는 역학일 등의 생체역학적 지표를 단일 관성센서로부터 추정하고 이를 활용하여 에너지소비량을 추정하는 방법을 제안하였으며, 상용 스마트워치와의 비교를 통하여 제안한 방법의 타당성 및 실현 가능성에 대하여 고찰하였다. 챕터 2에서 에너지소비량 추정에 활용한 지표는 힘판으로 측정되는 지면반력을 필요로 하는데, 본 연구에서는 힘판으로부터의 지면반력 측정 없이 걷기 및 달리기시 무게중심의 궤적과 지면반력이 탄성역학 관계를 가진다는 점에 착안하여 무게중심 근처인 천골 부위에 관성센서를 부착하여 달리기 시 측정한 가속도로부터 기계학습을 통해 지면반력을 추정하였다. 기계학습을 통해 추정한 지면반력을 활용해 에너지소비량 추정에 필요한 생체역학 지표들을 계산하고 챕터 2의 경우와 유사하게 다양한 속도와 강도의 트레드밀 달리기 실험을 통해 에너지소비량 추정 성능을 고찰하였다. 추가로 제안한 방법의 정확도에 대하여 고찰하기 위하여 운동 모니터링으로 많이 사용되는 가민(Garmin)과 애플(Apple)의 스마트 워치를 대상으로 추정 성능에 대하여 비교 및 고찰하였다.
본 연구에서는 관성센서를 활용한 달리기 시 에너지소비량 추정 방법을 제안하고 이에 관하여 고찰하였다. 달리기 시 생체역학적 지표를 활용하여 에너지소비량과 관련된 역학일, 지면 접촉시간 등을 계산하였으며, 이를 기반으로 단일 관성센서에서 추정한 에너지소비량의 정확도를 평가하였다. 또한 상용 스마트워치와의 비교를 통해 제안한 방법의 타당성 및 적용 가능성을 고찰하였다. 본 연구를 통해 달리기시 생체역학적 특성과 기계학습을 적용해 기존 고가의 실험용 장비를 통해 측정했던 에너지소비량을 착용편의성이 높은 관성센서를 기반으로 추정함으로써 향후 스마트워치 등 웨어러블 기기의 에너지소비량 추정 정확도 향상에 기여하고 이를 통해 개인화된 건강 및 운동관리, 영양 및 식단관리 개인화된 관리 등에 적용 가능성을 높일 것으로 기대된다.
