전임상 연구에서 새로운 치료 기법 및 신약의 유효성 평가를 위해서 실험동물의 미세한 움직임을 정량화 하는 모션 분석 기술은 핵심적인 역할을 수행한다. 그러나 기존 딥러닝 기반 3차원 재구성 방식은 특징점 추출 시 발생하는 미세 진동, 피사체 가려짐, 광학적 반사 잡음 등으로 인한 기하학적 왜곡과 데이터가 튀는 문제를 안고 있다. 이를 해결하기 위해 본 연구는 하드웨어 환경 최적화와 신뢰도 기반 적응형 가중치 알고리즘을 통합한 고정밀 모션 분석 플랫폼을 제안한다. 본 시스템은 정교하게 설계된 승강식 거치 시스템과 특수 무반사 유리를 도입하여 피사체 위치의 정밀도를 확보하고 광학적 간섭에 의한 잡음을 최소화하였다. 또한, 다중 카메라의 데이터 신뢰도를 실시간으로 산출하여 이상치의 영향을 배제하는 적응형 가중치 알고리즘을 개발하였다. 특히 본 알고리즘은 관찰 시야가 제한된 환경에서도 안정적인 좌표 복원이 가능하여, 실험동물의 비정형적인 미세 행동 패턴을 높은 신뢰도로 정량화한다. 제안된 시스템에 대한 정량적 평가 결과, 기존 산술 평균 방식 대비 재투영 오차는 98.87% 감소하였으며, 데이터 일관성은 99.86%, 시간적 평활도는 99.93% 향상되었다. 본 통합 플랫폼은 하드웨어적 환경 제어와 알고리즘의 유기적 결합을 통해 실험동물의 미세 움직임을 정밀하게 포착할 수 있게 한다. 이러한 성과는 고신뢰성 분석 도구로서의 가치를 지니며, 향후 임상 재활 평가 시스템으로의 확장을 위한 기술적 토대가 될 것으로 기대된다.
Pyeon et al. (Sat,) studied this question.