🀸Motor of human/Motor control and Learning

2. μš΄λ™μ‘°μ ˆμ˜ 과학적 μΈ‘μ •

Physical Coach 2022. 4. 29. 19:08

μš΄λ™ 쑰절의 과학적 μΈ‘μ •

 

1μž₯μ—μ„œ λ‹€μ–‘ν•œ μš΄λ™μ‘°μ ˆμ— λŒ€ν•˜μ—¬ μ•Œμ•„λ³΄μ•˜μœΌλ‹ˆ,
μ΄λ²ˆμ—λŠ” λ‹€μ–‘ν•œ 츑정법듀에 λŒ€ν•΄μ„œ μ•Œμ•„λ³Ό 것이닀.

인간이 ν–‰ν•  수 μžˆλŠ” λ¬΄ν•œν•œ motorλ₯Ό μ΄ν•΄ν•˜κΈ° μœ„ν•΄ λ‹€μ–‘ν•œ μΈ‘μ • 기술이 μ΄μš©λ˜μ–΄μ™”λ‹€.
이런 츑정법듀은 motor control의 μ—¬λŸ¬ λͺ¨ν˜•에 λŒ€ν•œ 타당성을 κ²€μ‚¬ν•˜κΈ° μœ„ν•΄ μ‚¬μš©λ˜λ©°,
μ›€μ§μ΄λŠ” λ™μ•ˆ 직접 쀑좔신경계톡 κΈ°λŠ₯을 κ΄€μ°°ν•˜κ±°λ‚˜ κΈ°λŠ₯의 λ³€ν™”λ₯Ό ν™•μΈν•˜κΈ° μœ„ν•΄ μ„€κ³„λ˜μ—ˆλ‹€.
이 λ‹€μ–‘ν•œ μΈ‘μ • κΈ°μˆ λ“€μ— λŒ€ν•΄, μš°μ„  심리적 μΈ‘μ •κ³Ό 신경학적 μΈ‘μ •μœΌλ‘œ λ‚˜λˆ„μ–΄ 이해해보겠닀.

 

 

심리적 츑정방법

 

심리적 μΈ‘μ •λ°©μ‹μ—λŠ” λ‹€μ–‘ν•œ 방법듀이 μžˆλ‹€. 
μ΄ˆκΈ°μ—λŠ” λ³€μˆ˜μ— λŒ€ν•œ κΈ°λŠ₯의 κ²°κ³Όλ‚˜ λ°˜μ‘ κ²°κ³Όλ₯Ό κ΄€μ°°ν•˜μ˜€μœΌλ‚˜, 
ν›„μ—λŠ” μ›€μ§μž„ νŠΉμ • κ²°κ³Όλ₯Ό 이루기 μœ„ν•΄ μ–΄λ–»κ²Œ μ‘°μ ˆλ˜λŠ”μ§€λ₯Ό μ„€λͺ…ν•˜λŠ”λ° 쓰이기도 ν–ˆλ‹€.

 

simple reaction time, SRT (λ‹¨μˆœ λ°˜μ‘μ‹œκ°„)

λ‹¨μˆœν•˜κ²Œ μžκ·Ήμ— λ°˜μ‘ν•˜λŠ” μ‹œκ°„μ„ μ˜λ―Έν•œλ‹€.
ex) μ΄μ†Œλ¦¬μ— λ°˜μ‘ν•˜μ—¬ λ‹¬λ €λ‚˜κ°€λŠ” 단거리 μ„ μˆ˜

 

choice reaction time, CRT (선택 λ°˜μ‘μ‹œκ°„)

μžκ·Ήμ— λ°˜μ‘ν•˜μ—¬ μ—¬λŸ¬κ°€μ§€ 선택지쀑에 λ°˜μ‘ν•˜λŠ” μ‹œκ°„μ„ μ˜λ―Έν•œλ‹€.
ex) μ—¬λŸ¬λͺ…μ˜ νŒ€μ›λ“€ 쀑에 1λͺ…μ—κ²Œ νŒ¨μŠ€ν•˜κ±°λ‚˜ 본인이 λ“œλ¦¬λΈ” ν•΄μ•Όν•˜λŠ” μΆ•κ΅¬μ„ μˆ˜

 

discrimination reaction time, CRT (차별 λ°˜μ‘μ‹œκ°„)

μ œμ‹œλœ μ—¬λŸ¬ μ‹ ν˜Έ 쀑 단 ν•˜λ‚˜μ˜ μ‹ ν˜Έμ—λ§Œ λ°˜μ‘ν•˜λŠ” μ‹œκ°„μ„ μ˜λ―Έν•œλ‹€.
ex) μ—¬λŸ¬κ°€μ§€ λ™μž‘(잽, 슀트레이트, 둜우ν‚₯, ν•˜μ΄ν‚₯, νƒœν΄ λ“±)이 κ°€λŠ₯ν•˜μ§€λ§Œ, μ½”μΉ˜μ˜ 주문에 따라 μ›€μ§μ΄λŠ” 격투기 μ„ μˆ˜

 

의의: 침슡적인 μΈ‘μ • κΈ°μˆ μ— μ˜μ‘΄ν•˜μ§€ μ•Šκ³ ,
Hierarchicalμˆ˜μ§κ³„μΈ΅ λͺ¨ν˜•κ³Ό κ΄€λ ¨λœ νŠΉμ • μ˜ˆμΈ‘μ„ ν…ŒμŠ€νŠΈ ν•˜λŠ” μ€‘μš”ν•œ μˆ˜λ‹¨μœΌλ‘œ μ‚¬μš©λ˜κ³  μžˆλ‹€.

 

 

fractionated reaction time, FRT (뢄별 λ°˜μ‘μ‹œκ°„)

λ°˜μ‘μ‹œκ°„μ˜ 각 뢀뢄을 λΆ„λ¦¬ν•œ λ°˜μ‘μ‹œκ°„μ΄λΌκ³  μƒκ°ν•˜λ©΄ λœλ‹€.
sEMG(ν‘œλ©΄κ·Όμ „λ„)λ₯Ό μ‚¬μš©ν•˜μ—¬ λ‘κ°œμ˜ 파트(premotortimeμš΄λ™μ „μ‹œκ°„, motor timeμš΄λ™μ‹œκ°„)으둜 λ‚˜λˆ„μ–΄ λ°˜μ‘μ‹œκ°„μ„ μΈ‘μ •ν•œλ‹€.

sEMG(ν‘œλ©΄κ·Όμ „λ„)λ₯Ό μ΄μš©ν•œ 근전도 μ‹ ν˜Έμ˜ μ˜ˆμ‹œ

premotor time, PRMOT (μš΄λ™μ „μ‹œκ°„)은 μœ„μ˜ κ·Έλ¦Όμ—μ„œ 'Premotor RT'둜 ν‘œν˜„λ˜μ–΄ μžˆλ‹€. 
PRMOTλŠ” λ°˜μ‘μ‹ ν˜Έκ°€ μ£Όμ–΄μ§„ λ’€, EMG의 첫 λ³€ν™” μ „κΉŒμ§€μ˜ μ‹œκ°„μ„ μ˜λ―Έν•œλ‹€.
(*μ’€ 더 κ°„λž΅ν•˜κ²Œ λ§ν•˜μžλ©΄, μ‹ ν˜Έλ₯Ό λ°›κ³  λͺΈμ„ 움직이라고 ν•΄λ‹Ή κ·Όμœ‘μ— λͺ…령이 μ „λ‹¬λ˜κΈ°κΉŒμ§€μ˜ μ‹œκ°„μ΄λ‹€.
즉, κ°κ°μ‹ ν˜Έλ₯Ό λ°›μ•„ ν•΄μ„ν•˜κ³  λ™μž‘μ„ κ³„νš ν›„, ν•΄λ‹Ή κ·Όμœ‘μ— μ‹ ν˜Έκ°€ κ°€κΈ°κΉŒμ§€μ˜ μ‹œκ°„μ΄λΌκ³  μƒκ°ν•˜λ©΄ λœλ‹€.)

motor time, MOT (μš΄λ™μ‹œκ°„)은 μœ„μ˜ κ·Έλ¦Όμ—μ„œ 'motor RT'둜 ν‘œν˜„λ˜μ–΄ μžˆλ‹€.
MOTλŠ” κ·Όμœ‘μ— λͺ…령이 μ „λ‹¬λœ ν›„, μ›€μ§μž„μ΄ μ‹œμž‘ 되기 κΉŒμ§€μ˜ μ‹œκ°„μ΄λ‹€. 
(*보톡 λ°˜μ‘μ‹ ν˜Έμ΄ν›„ μ‹€μ œ μ›€μ§μž„κΉŒμ§€μ˜ μ‹œκ°„μ—μ„œ PRMOTλ₯Ό λΉΌμ„œ κ΅¬ν•œλ‹€)

그리고 이 PRMOT와 MOTλ₯Ό μ΄μš©ν•˜μ—¬ μš°λ¦¬λŠ” μ›€μ§μž„μ— μžˆμ–΄μ„œ 인지과정에 μ–Όλ§ˆλ‚˜ μ‹œκ°„(PRMOTλ₯Ό 보면 μ•Œ μˆ˜μžˆλ‹€)이 κ±Έλ¦¬λŠ”μ§€, 인지과정 이후에 μ›€μ§μž„κΉŒμ§€ μ–Όλ§ˆλ‚˜ κ±Έλ¦¬λŠ”μ§€(MOTλ₯Ό 보면 μ•Œ 수 μžˆλ‹€)λ₯Ό μ•Œ 수있고,

이λ₯Ό 톡해 μ–΄λ–€ μ›€μ§μž„μ— μžˆμ–΄μ„œ 속도와 κ΄€λ ¨μžˆλŠ” μ›€μ§μž„ νŠΉμ„±λ“€μ— λŒ€ν•œ 더 μžμ„Έν•œ 연ꡬ가 κ°€λŠ₯ν•΄μ‘Œλ‹€.
(ex: μ›€μ§μž„μ˜ λ³΅μž‘μ„±, μ •ν™•ν•œ μš”κ΅¬, λ°˜μ‘ν•˜λŠ” νŒ”λ‹€λ¦¬μ˜ 해뢀학적인 νŠΉμ„±)

 

 

λ°˜μ‘μ‹œκ°„μ— 영ν–₯을 λ―ΈμΉ˜λŠ” λ³€μˆ˜

μœ„μ˜ 사진과 같은 Respone Time,RT λ°˜μ‘μ‹œκ°„μ— λŒ€ν•œ 츑정연ꡬ듀은 μ–΄λ–€ λ³€μˆ˜κ°€ μ›€μ§μž„μ„ κ³„νšν•˜κ³  μ‹€ν–‰ν•˜λŠ”λ° ν•„μš”ν•œ μ‹œκ°„μ— 영ν–₯을 μ£ΌλŠ”μ§€ μ•Œμ•„λ³΄κΈ° μœ„ν•΄ μ§„ν–‰λ˜μ—ˆκ³ , λ‹€μ–‘ν•œ μ‹€ν—˜μœΌλ‘œ 인지과정에 ν•„μš”ν•œ μ‹œκ°„μ— 영ν–₯을 λ―ΈμΉ  λ³€μˆ˜λ“€μ„ ν™•μΈν•˜μ˜€λ‹€. (μˆ˜ν–‰μžκ°€ 선택할 수 μžˆλŠ” λ³€μˆ˜μ˜ 수, μˆ˜ν–‰μ— λ”°λ₯Έ λ°˜μ‘μ˜ λ³΅μž‘μ„±, μ›€μ§μž„μ— ν•„μš”ν•œ μ •ν™•μ„±, κ³Όμ œμ— λ”°λ₯Έ μ—°μŠ΅λŸ‰ λ“±)

movement time, MT (μ›€μ§μž„μ‹œκ°„)츑정법은 μ›€μ§μž„μ„ μ‹œμž‘ν•  λ•Œμ™€ 끝났을 λ•Œμ˜ μ‹œκ°„ 간격을 λ‚˜νƒ€λ‚Έλ‹€. 
이것은 motor control의 speed-accuracy trade-off(속도-정확도 κ΅ν™˜)ν˜„μƒμ„ μ„€λͺ…ν•˜λŠ”λ° μœ μš©ν•˜λ‹€.

μΉ΄λ ˆμ΄μ„œλ“€μ€ μ—„μ²­λ‚œ μ†λ„μ†μ—μ„œ 정확도λ₯Ό ν•„μš”λ‘œ ν•œλ‹€.

*speed-accuracy trade-off: μ›€μ§μž„μ˜ 속도가 μ˜¬λΌκ°€λ©΄ 정확도가 λ‚΄λ €κ°€κ³ , 정확도가 μ˜¬λΌκ°€λ©΄ 속도가 λ‚΄λ €κ°€λ“―, μ„œλ‘œ κ΅ν™˜λ˜λŠ” ν˜„μƒ. 
ex: μΉ΄λ ˆμ΄μ‹± 처럼 λΉ λ₯΄κ²Œ λ°˜μ‘ν•΄μ•Όν•˜μ§€λ§Œ 정확도λ₯Ό μš”κ΅¬ν•˜λŠ” μ’…λͺ©μ—μ„œ, 쒋은 μ½”μŠ€λ‘œ μ •ν™•ν•˜κ²Œ 갈렀고 ν• μˆ˜λ‘ 정확도에 μ§‘μ€‘ν•˜λŠλΌ λ°˜μ‘μ‹œκ°„(속도)κ°€ 느렀질 것이고, μ†λ„λ§Œ μƒκ°ν•˜λ‹€κ°€λŠ” 정확도가 λ–¨μ–΄μ Έμ„œ μ½”μŠ€λ₯Ό μ΄νƒˆ ν•  μˆ˜λ„ μžˆλ‹€. 이처럼 속도와 μ •ν™•λ„λŠ” μ„œλ‘œ κ΅ν™˜λœλ‹€.
μš°λ¦¬κ°€ μ•žμ—μ„œ 배운 것을 μ΄μš©ν•˜μžλ©΄,
μ–΄λ–»κ²Œ 움직일지 κ²°μ •ν•˜κ³  λͺ…령을 μ „λ‹¬ν•˜λŠ” μ‹œκ°„μΈ RT(PRMOT+MOT)κ°€ κΈΈμ–΄μ§ˆ 수둝 λ‹Ήμ—°νžˆ 더 λ§Žμ€ 정보λ₯Ό ν†΅ν•©ν•΄μ„œ κ²°μ •ν•˜λ‹ˆ μ •ν™•λ„λŠ” λ†’μ•„μ§€μ§€λ§Œ λŒ€μ‹ ,
μ‹€μ œλ‘œ μ›€μ§μž„μ΄ λλ‚ λ•Œ κΉŒμ§€μ˜ μ‹œκ°„ RT+MT의 합은 RT의 값이 μƒμŠΉν–ˆμœΌλ―€λ‘œ 더 값이 μƒμŠΉν•΄λ²„λ¦°λ‹€(λŠλ €μ§„λ‹€).

λ˜ν•œ μœ„μ™€ 같은 ν˜„μƒλΏ μ•„λ‹ˆλΌ, νŠΉμ • μ›€μ§μž„μ—μ„œ κ·Έ μ›€μ§μž„μ„ μ‹œμž‘ν•˜κΈ°μ „μ— κ³„νšν•˜λŠ”μ§€ μ•„λ‹ˆλ©΄ μ›€μ§μ΄λŠ” λ™μ•ˆ κ³„νšν•˜λŠ”μ§€ μ•Œ μˆ˜λ„ μžˆλ‹€.

performance errors (μˆ˜ν–‰ 였λ₯˜) 같은 κ²½μš°λŠ”, μ‹€μˆ˜μ— λŒ€ν•œ λΉ λ₯Έ κ²€ν† λ₯Ό 톡해 λ‹€μŒ μ—°μŠ΅ μ„Έμ…˜μ— 기초자료둜 μœ μš©ν•˜κ²Œ μ‚¬μš©λœλ‹€. λ˜ν•œ μ›€μ§μž„μ˜ λͺ©ν‘œλ₯Ό μ‹€μ œ μ„±μ·¨ν–ˆλŠ”μ§€ μ•Œμ•„λ³΄κΈ° μœ„ν•΄ μ„œλ‘œ λ‹€λ₯Έ μœ ν˜•μ˜ 였λ₯˜ 점수λ₯Ό μ‚¬μš©ν•˜κΈ°λ„ ν•œλ‹€. 
(ex: 3μ μŠ›μ„ μ—°μŠ΅ν•˜λŠ” 상황이라면, 곡이 κ³¨λŒ€μ— λ“€μ–΄κ°”λŠ”κ°€?, 3점 라인을 λ„˜μ§€ μ•ŠλŠ” μ„ μ—μ„œ μ΅œλŒ€ν•œ κ°€κΉκ²Œ μžˆμ—ˆλŠ”κ°€? λ“±)
그리고 μ΄λ•Œ νŠΉμ • 였차 점수λ₯Ό 톡해 μ™œ νŠΉμ • μ›€μ§μž„μ˜ κ²°κ³Όκ°€ λ°œμƒν•˜μ˜€λŠ”μ§€ 더 잘 이해할 수 μžˆλ‹€.

그럼 이제 μš°λ¦¬μ—κ²Œ μœ μš©ν•œ performance errors에 λŒ€ν•΄ 더 μžμ„Ένžˆ μ•Œμ•„λ³΄μž.

μš°μ„  performance errors의 츑정은 1차원, 2차원, 연속 μ›€μ§μž„μœΌλ‘œ λ‚˜λˆ  λ³Ό 수 μžˆλ‹€.

 

 

one-dimensional movement(1차원적인 μ›€μ§μž„)

absolute error, AE (μ ˆλŒ€μ˜€μ°¨)
μˆ˜ν–‰ 였λ₯˜μ— λŒ€ν•΄ 총 μΆ”μ •μΉ˜(gross estimate)λ₯Ό μ œκ³΅ν•˜κΈ° μœ„ν•΄ μ‚¬μš©ν•œλ‹€.
μ˜ˆμ‹œ: 직선상에 μœ„μΉ˜ν•œ 20mκ°€ λͺ©ν‘œμΈ 경우, 25mλ₯Ό 움직이면 AEλŠ” 5mκ°€ λœλ‹€.
단점: κΈ°μ€€ λͺ©ν‘œμ™€ κ΄€λ ¨ν•œ 였λ₯˜μ˜ 크기에 λŒ€ν•΄ μ „λ°˜μ μΈ μΆ”μ •μΉ˜λŠ” μ œκ³΅ν•˜μ§€λ§Œ, 였λ₯˜μ˜ λ°©ν–₯에 λŒ€ν•œ μ •λ³΄λŠ” μ œκ³΅ν•˜μ§€ λͺ»ν•œλ‹€. 
λ‹¨μ μ˜ μ˜ˆμ‹œ: 15mλ₯Ό 움직여도 AEλŠ” 5mκ°€ λœλ‹€. 이러면 25mλ‚˜ 15mλ‚˜ 같은 AE값이 λ‚˜μ˜€κΈ° λ•Œλ¬Έμ—, 였차의 양은 νŒŒμ•…ν•  수 μžˆμ–΄λ„, 더 μžμ„Έν•œ νŒλ‹¨μ€ λΆˆκ°€ν•˜λ‹€.

constant error, CE (μ • 였차)
각 μ‹œκΈ°λ§ˆλ‹€ μˆ˜ν–‰μžμ˜ λ°˜μ‘κ³Ό λͺ©ν‘œ λ°˜μ‘ μ‚¬μ΄μ˜ λŒ€μˆ˜(algebraic)차이이닀. ν•˜λ‚˜μ˜ λ°˜μ‘ μ‹œκΈ°μ— λŒ€ν•œ λ°©ν–₯μ„± 였λ₯˜μ˜ 양을 μ •λŸ‰ν™”ν•˜κ±°λ‚˜ λ°˜μ‘ νŽΈμ€‘ μˆ˜μ— λŒ€ν•œ λ°©ν–₯μ„± 였λ₯˜μ˜ 평균 양을 μ •λŸ‰ν™”ν•˜λŠ”λ° μ‚¬μš©ν•  수 μžˆλ‹€. λ°˜μ‘ νŽΈμ€‘(response bias)을 μΈ‘μ •ν•˜λŠ”λ° μœ μš©ν•˜λ‹€. 
μ˜ˆμ‹œ: 직선상에 μœ„μΉ˜ν•œ 20κ°€ λͺ©ν‘œμΈ 경우, 5회 μ‹œλ„ν•˜μ—¬ 각각 15m,25m,20m,23m,22mλ₯Ό κΈ°λ‘ν–ˆλ‹€λ©΄, CE둜 λ‚˜μ—΄ν•˜μžλ©΄, -5,+5,0,+3,+2 κ°€ 될 것이닀. 이λ₯Ό μ „λΆ€ ν•©ν•˜λ©΄ +5κ°€ λœλ‹€. 
단점: 개인의 μˆ˜ν–‰λ ₯을 평가할 λ•ŒλŠ” 평균 CEκ°€ μœ μš©ν•˜μ§€λ§Œ, 집단에 μ μš”ν•  λ•Œ μˆ˜ν–‰λ ₯ νŽΈμ€‘μ— λŒ€ν•΄ λ‹€μ†Œ λΆ€μ •ν™•ν•œ μ§€ν‘œλ₯Ό μ œμ‹œν•œλ‹€. 
λ‹¨μ μ˜ μ˜ˆμ‹œ: 직선상에 μœ„μΉ˜ν•œ 20κ°€ λͺ©ν‘œμΈ 경우, 1번 μˆ˜ν–‰μžκ°€ 25m, 2번 μˆ˜ν–‰μžκ°€ 15mλ₯Ό κΈ°λ‘ν•œλ‹€λ©΄, CEκ°€ +5, -5둜 ν•©ν•˜λ©΄ 0이 λ˜μ–΄λ²„λ¦°λ‹€. 이런 경우 λ‘˜ λ‹€ 5mμ •λ„μ˜ μ˜€μ°¨κ°€ μžˆμ—ˆμ§€λ§Œ 이λ₯Ό ν‘œν˜„ν•˜μ§€ λͺ»ν•˜κ²Œ λœλ‹€.

absolute constant error, |CE| (μ ˆλŒ€ μ • 였차)
각 ν•™μŠ΅μžμ˜ μ‹œλ„ νšŸμˆ˜μ— λŒ€ν•œ CE의 μ ˆλŒ€ 값이닀. CE의 λ‹¨μ μ΄μ—ˆλ˜ μ§‘λ‹¨μ˜ 평균에 λŒ€ν•œ 문제λ₯Ό ν•΄κ²°ν•  수 μžˆλ‹€.
μ˜ˆμ‹œ: 1번 μˆ˜ν–‰μžκ°€ 25m, 2번 μˆ˜ν–‰μžκ°€ 15m, 3번 μˆ˜ν–‰μžκ°€ 10m, 4번 μˆ˜ν–‰μžκ°€ 22m, 5번 μˆ˜ν–‰μžκ°€ 28mλ₯Ό κΈ°λ‘ν–ˆλ‹€λ©΄, CE둜 λ‚˜μ—΄ν•˜λ©΄, +5,-5,-10,+2,+8 이 λ˜μ–΄ 평균 CEλŠ” 0이 λ˜κ² μ§€λ§Œ, |CE|둜 λ‚˜μ—΄ν•˜λ©΄, 5,5,10,2,8이 λ˜μ–΄, ν‰κ· ο½œCEο½œλŠ” 6이 λœλ‹€.

variable error, VE (λ³€μˆ˜ 였차)
μˆ˜ν–‰ 였λ₯˜μ˜ νŠΉμ„±μ— λŒ€ν•΄ μœ μš©ν•œ 정보λ₯Ό μ œκ³΅ν•΄μ£ΌλŠ” 였λ₯˜μ μˆ˜, λ°˜μ‘ λ˜λŠ” μ‹œλ„ 횟수둜 λ‚˜λˆˆ 평균에 λŒ€ν•œ ν•™μŠ΅μžμ˜ CE점수의 ν‘œμ€€νŽΈμ°¨μ™€ κ°™λ‹€. 
본인의 평균에 λŒ€ν•œ λ°˜μ‘μ˜ λ³€ν™” λ˜λŠ” 뢈일치 등을 μ •λŸ‰ν™”ν•˜λŠ”λ° μ‚¬μš©λœλ‹€.
κ·ΈλŸ¬λ―€λ‘œ VEλŠ” ν•™μŠ΅μžμ˜ λ°˜μ‘ 평균에 λŒ€ν•΄ κ³„μ‚°ν•˜κ³ , λͺ©ν‘œ λŒ€μƒ λ˜λŠ” λͺ©ν‘œ λ°˜μ‘μ— λŒ€ν•΄ κ³„μ‚°ν•˜μ§€ μ•ŠκΈ° λ•Œλ¬Έμ—, VEκ°€ μ’‹λ‹€κ³  더 μ •ν™•ν•œ κ²°κ³Όλ₯Ό 보인 것은 μ•„λ‹ˆλ‹€.
μ˜ˆμ‹œ: 직선상에 μœ„μΉ˜ν•œ 20κ°€ λͺ©ν‘œμΈ 경우, 5회 μ‹œλ„ν•˜μ—¬ 각각 15m,25m,20m,23m,22mλ₯Ό κΈ°λ‘ν–ˆλ‹€λ©΄, CE둜 λ‚˜μ—΄ν•˜μžλ©΄, -5,+5,0,+3,+2 κ°€ 될 것이닀. 이 -5,+5,0,+3,+2 λ“€μ˜ ν‘œμ€€νŽΈμ°¨λ₯Ό κ΅¬ν•˜λ©΄ 3.8이 VE값이 λœλ‹€.
(λŒ€λž΅, -5,+5,0,+3,+2의 평균을 λ¨Όμ €κ΅¬ν•œλ‹€. -> 평균 1, μ•žμ˜ CEκ°’λ“€μ—μ„œ 평균을 λΊ€λ‹€. -> -6, +4, -1, +2, +1
-> λ‚˜μ˜¨ 값을 μ „λΆ€ μ œκ³±ν•œλ‹€ ->μ œκ³±ν•œ κ°’ 36, 16, 1, 4, 1을 μ „λΆ€ λ”ν•œλ‹€. ->λ”ν•œ κ°’ 58에 (자료수-1)을 λ‚˜λˆˆλ‹€.
-> 58/4 = 14.5. 이게 뢄산이닀. 이제 뢄산에 루트λ₯Ό μ”Œμ›Œ μ œκ³±κ·Όμ„ κ΅¬ν•˜λ©΄ ν‘œμ€€νŽΈμ°¨λ‹€. -> μ•½ 3.8이 λ‚˜μ˜¨λ‹€. )

total error, E (총 였차)
였차의 제곱 편균 제곱근(ν‘œμ€€μ˜€μ°¨)와 κ΄€λ ¨ 있으며, VE의 제곱과 CE의 제곱의 합에 μ œκ³±κ·Όμ΄λ‹€. 
λ°˜μ‘νšŸμˆ˜μ— λŒ€ν•œ λͺ©ν‘œλ¬Όμ— λŒ€ν•œ 총 였차λ₯Ό μ •λŸ‰ν™”ν•œλ‹€.
λ°˜μ‘ 편ν–₯κ³Ό κ°€λ³€μ„±μ˜ μš©μ–΄λ‘œ 뢄석할 수 μžˆλ‹€
곡식: E = 루트(VE제곱+CE제곱)

 

*λ„ˆλ¬΄ μˆ˜ν•™μ  뢀뢄에 μ§‘μ€‘ν•˜μ§€λ§κ³  일단 λŒ€μΆ© 각 μ˜€μ°¨λ“€μ΄ 무엇을 μΈ‘μ •ν•˜κ³  μ•Œμ•„λ³΄λŠ”λ° 쒋은지 μ •λ„λ§Œ μ•Œκ³  κ°€λ©΄ λ©λ‹ˆλ‹€!

 

 

two-dimensional movement(2차원적인 μ›€μ§μž„)

Radial error, RE (반경였차)
2차원 μš΄λ™κ³Όμ œμ—μ„œ μˆ˜ν–‰λ ₯의 정확성을 ν‰κ°€ν•˜κΈ° μœ„ν•΄ μ‚¬μš©ν•œλ‹€.
REλŠ” μˆ˜ν‰(xμΆ•)κ³Ό 수직(yμΆ•) μ–‘ λ°©ν–₯μ—μ„œ κΈ°μ€€ λ°˜μ‘κ³Ό ν•™μŠ΅μžμ˜ λ°˜μ‘κ°„μ˜ 거리λ₯Ό μΈ‘μ •ν•˜μ—¬ λ§€ μ‹œλ„λ§ˆλ‹€ κ³„μ‚°ν•œλ‹€.
이후 각 값은 μ œκ³±ν•˜μ—¬, xμΆ•μ˜ 제곱과 yμΆ•μ˜ 제곱의 합을 λ”ν•œ ν›„ 전체 값을 μ œκ³±κ·Όν•˜μ—¬ κ³„μ‚°ν•œλ‹€.
μ˜ˆμ‹œ: κ³¨ν”„λ‚˜ 양ꢁ 처럼 λͺ©ν‘œμ§€μ μ΄ μ •ν•΄μ§„ κ²½μš°μ— λͺ©ν‘œμ§€μ μœΌλ‘œ λΆ€ν„°μ˜ 였차λ₯Ό ꡬ할 수 있게 ν•΄μ€€λ‹€.

μœ„κ·Έλ¦Όμ—μ„œ,
빨간색점이 λͺ©ν‘œμ§€μ μ΄κ³ , λ‚΄ 화살이 νŒŒλž€μƒ‰μ μ— μ•ˆμ°©ν–ˆλ‹€λ©΄, 
REλ₯Ό κ΅¬ν•˜κΈ° μœ„ν•΄ ν”Όνƒ€κ³ λΌμŠ€μ˜ 정리λ₯Ό μ΄μš©ν•˜λ©΄ λœλ‹€. 
REλŠ” μ„ λΆ„c의 κ°’μ΄λ―€λ‘œ, xμΆ• 값은 μ„ λΆ„a, yμΆ• 값은 μ„ λΆ„b λΌλŠ” 것을 μ•Œ 수 μžˆλ‹€.
μ—¬κΈ°μ„œ μ„ λΆ„c의 값을 ꡬ해야 ν•˜λ―€λ‘œ, a제곱 + bμ œκ³±μ„ ν•΄μ„œ cμ œκ³±μ„ κ΅¬ν•œλ‹€μŒ, μ œκ³±κ·Όμ„ ν•˜λ©΄ c의 값을 ꡬ할 수 μžˆλ‹€!

 

root-mean-square error (ν‘œμ€€ 였차)
μ—°μ†μš΄λ™κ³Όμ œ(주둜 μΆ”μ κ³Όμ œ)의 μˆ˜ν–‰λ ₯을 ν‰κ°€ν•˜κΈ° μœ„ν•œ μΈ‘μ •λ„κ΅¬λ‘œ μ‚¬μš©λœλ‹€. 
(tracking tasksμΆ”μ κ³Όμ œλŠ” ν•™μŠ΅μžκ°€ μž…λ ₯ν•œ λͺ©ν‘œμ— 맞좰 λ°˜μ‘ν•˜λ©΄μ„œ λͺ©ν‘œλ¬Όμ„ 계속 λ”°λΌκ°€λŠ” 과제)
μ—¬κΈ°μ„œλŠ” μž…λ ₯ν•œ λͺ©ν‘œμ™€ ν•™μŠ΅μžμ˜ λ°˜μ‘ μ‚¬μ΄μ˜ 차이가 였λ₯˜μ΄λ‹€!
μ˜ˆμ‹œ: μš΄μ „ν•˜κΈ°, 직선, 컀브, μœ ν„΄ λ“±μ˜ 길을 경둜λ₯Ό μ΄νƒˆν•˜μ§€ μ•Šκ³  μ—°μ†μ μœΌλ‘œ μ˜¬λ°”λ₯Έ 경둜둜 μ›€μ§μ—¬μ•Όν•œλ‹€.
(이 경우, root-mean-square errorν‘œμ€€μ˜€μ°¨λŠ” μ •ν™•ν•œ μˆ˜ν–‰λ ₯κ³Ό 길의 μ΄λ™κ²½λ‘œλ₯Ό λ‚˜νƒ€λ‚΄λŠ” κΈ°μ€€ 변이곑선에 λŒ€ν•œ μš΄μ „μžμ˜ 좔적 μˆ˜ν–‰λ ₯을 λ‚˜νƒ€λ‚΄λŠ” 곑선 사이 였λ₯˜μ˜ 양을 κ²°μ •ν•¨μœΌλ‘œμ¨ κ³„μ‚°ν•œλ‹€.)

 

λ°˜μ‘κ³Όμ •μΈ‘μ •, κ³Όμ •μ§€ν–₯츑정기법듀.

λ™μž‘ μˆ˜ν–‰μžμ™€ μ£Όλ³€ ν™˜κ²½ μ‚¬μ΄μ˜ 볡합적인 μƒν˜Έμž‘μš©μ„ κ³ λ €ν•œ μƒν™©μœΌλ‘œ 관심이 μ΄λ™ν•˜λ©΄μ„œ μˆœκ°„μ μΈ λ™μž‘ μ œμ–΄λ₯Ό ν¬μ°©ν•˜λ„λ‘ μ„€κ³„λœ μΈ‘μ • 기법이 λ°œμ „ν•˜κ²Œ λ˜μ—ˆλ‹€. 이런 process-oriented measuresκ³Όμ •μ§€ν–₯츑정은 λ™μž‘μ„ λ”μš± μƒμ„Έν•˜κ²Œ μ„€λͺ…해쀄 뿐 μ•„λ‹ˆλΌ, 계측적 그리고 λ³€ν˜μ  μ ‘κ·Όλ²•μ˜ μœ νš¨μ„±μ„ κ²€μ¦ν•˜λŠ” 포괄적인 μˆ˜λ‹¨μ„ μ œκ³΅ν•œλ‹€.

κ°€μž₯ ν”νžˆ μ“°μ΄λŠ” λ‹€μ„―κ°€μ§€ μΈ‘μ • 기법은 μš΄λ™ν˜•μƒν•™ μΈ‘μ •, 각도-각도 λ‹€μ΄μ–΄κ·Έλž¨, μœ„μƒ 도해, μƒλŒ€ μœ„μƒ, 근전도 검사이닀. 

μš΄λ™ν˜•μƒν•™ μΈ‘μ •

μˆ˜ν•™μ  ν”„λ‘œκ·Έλž¨κ³Ό 톡계적 ν”„λ‘œκ·Έλž¨λ“±μ΄ 보급됨에 따라 μ—°κ΅¬μžλ“€μ€ λ‹€μ–‘ν•œ μš΄λ™κΈ°μˆ μ„ λ¬˜μ‚¬ν•  수 μžˆλŠ” kinematicμš΄λ™ν˜•μƒν•™μ„ 더 κ°κ΄€μ μœΌλ‘œ μ •λŸ‰ν™”ν•  수 있게 λ˜μ—ˆλ‹€.
Hall(2003)은 kinematicλ₯Ό "μ‹œκ°„μ„ κ³ λ €ν•΄μ„œ μš΄λ™μ˜ κΈ°ν•˜ν•™, νŒ¨ν„΄ ν˜Ήμ€ ν˜•νƒœλ₯Ό μ—°κ΅¬ν•œ 것" 이라고 μ •μ˜ν–ˆλ‹€. 
양적인 μš΄λ™ν˜•μƒν•™ 뢄석은 λ‹€λ₯Έ μˆ™λ ¨λ„λ₯Ό κ°€μ§€κ³ μžˆλŠ” μˆ˜ν–‰μž(μˆ™λ ¨μž or 초보자)λ₯Ό ꡬ별해내고 μƒˆλ‘œμš΄ μš΄λ™κΈ°μˆ μ„ ν•™μŠ΅ν•˜λŠ” λ™μ•ˆ λ°œλ‹¬ν•˜λŠ” μ›€μ§μž„ νŒ¨ν„΄μ˜ μ‹œκ³΅κ°„μ  νŠΉμ„±μ˜ λ³€ν™”λ₯Ό κΈ°λ‘ν•˜κΈ° μœ„ν•΄ μ‚¬μš©ν•œλ‹€.
그리고 이런 μΈμ²΄λ™μž‘μ„ μ •λŸ‰ν™”ν•˜κΈ° μœ„ν•΄ μ§€μ ˆ 및 κ΄€λ²Œμ˜ λ³€μœ„, 속도, 가속도λ₯Ό μ΄μš©ν•œλ‹€.

λ³€μœ„
μ›€μ§μž„ μˆ˜ν–‰μ‹œ μ§€μ ˆμ΄λ‚˜ κ΄€μ ˆμ˜ 곡간적 μœ„μΉ˜μ— λŒ€ν•œ 양적 정보λ₯Ό μ œκ³΅ν•΄μ€€λ‹€.
λ³€μœ„λŠ” λΆ„μ„λŒ€μƒμ˜ νŒ¨ν„΄μ— 따라 직선 ν˜Ήμ€ 곑선 μš΄λ™ 면으둜 μ •λŸ‰ν™”ν•  수 μžˆλ‹€.
μ˜ˆμ‹œ: 미리 μ„ μ •λœ 기쀀점에 밝은 LEDλ‚˜ μ „μžμ„ 마컀λ₯Ό λΆ€μ°©ν•˜κ³  고속 촬영 μž₯비와 μ›€μ§μž„ λΆ„μ„μ‹œμŠ€ν…œμ„ 톡해 λΆ€μ°©ν•œ λ°˜μ‚¬ 마컀의 μœ„μΉ˜ λ³€ν™”λ₯Ό κ΄€μΈ‘

속도
각 κ΄€μ ˆμ΄ μ–Όλ§ˆλ‚˜ λΉ λ₯΄κ²Œ μ›€μ§μ΄λŠ”κ°€λŠ” 같은 λ™μž‘μ—μ„œ μˆ˜μ§‘λœ λ³€μœ„ 자료λ₯Ό μ‚¬μš©ν•΄ λ„μΆœν•΄λ‚Ό 수 μžˆλ‹€.
μΌμ •μ‹œκ°„ κ°„κ²©μœΌλ‘œ μΈ‘μ •ν•œ κ΄€μ ˆμ˜ μœ„μΉ˜λ³€ν™”λ₯Ό μ†Œμš”λœ μ‹œκ°„μœΌλ‘œ λ‚˜λˆ„λ©΄ λœλ‹€. 

가속도
μ£Όμ–΄μ§„ μ‹œκ°„ 간격 λ™μ•ˆ 속도가 λ³€ν™”ν•˜λŠ” λΉ„μœ¨μ„ λ‚˜νƒ€λ‚Έλ‹€.
μ†λ„μ˜ λ³€ν™”λ₯Ό μ‹œκ°„μ˜ λ³€ν™”λ‘œ λ‚˜λˆˆ 속도 μžλ£”λ‘œ λ„μΆœν•  수 μžˆλ‹€.

 

각도-각도 λ‹€μ΄μ–΄κ·Έλž¨ (angle-angle diagram, A-A diagram)

μ§€μ ˆ μ‚¬μ΄μ˜ 곑선 λ³€μœ„λ₯Ό 잘 λ‚˜νƒ€λ‚Ό 수 μžˆλ‹€. 
μ›€μ§μž„ νŒ¨ν„΄μ˜ 변화에 따라 μš΄λ™μ˜ 양적인 λΆ€λΆ„(κ΄€μ ˆκ°€λ™λ²”μœ„)κ³Ό 질적인 λΆ€λΆ„(λ³€μœ„μ˜ μΆ”μ„Έ)을 λ°”λ‘œ λ‚˜νƒ€λ‚Ό 수 μžˆλ‹€.

angle-angle diagram

μœ„ κ·Έλ¦Όκ³Ό 같이 κ΄€μ ˆ κ°λ„μ˜ 관계변화λ₯Ό μ•ŒκΈ° μœ μš©ν•˜λ©°, λ‚˜νƒ€λ‚΄λŠ” λͺ¨μ–‘μ˜ 비ꡐλ₯Ό 톡해 μˆ™λ ¨μžμ™€ λΉ„μˆ™λ ¨μžμ˜ 차이λ₯Ό μ‰½κ²Œ ν‘œν˜„ν•˜κ±°λ‚˜, 더 λ‚˜μ€ μ›€μ§μž„μ„ μœ„ν•œ λ°©ν–₯섀정을 도와쀄 μˆ˜μžˆλ‹€.
μ˜ˆμ‹œ: μΉ˜λ£Œμ‚¬κ°€ ν™˜μžμ˜ μ›€μ§μž„νŒ¨ν„΄μ„ diagram으둜 ν™•μΈν•˜κ³  더 λ‚˜μ€ μ›€μ§μž„ νŒ¨ν„΄μ„ κΎ€ν•  수 μžˆλ‹€.
μ½”μΉ˜κ°€ μ„ μˆ˜λ“€μ˜ μ‚¬μ†Œν•œ 문제λ₯Ό κ΅μ •ν•˜κ±°λ‚˜ μ›€μ§μž„νŒ¨ν„΄μ„ λ°”κΎΈλŠ”λ° μ΄μš©ν•œλ‹€.

 

μœ„μƒλ„ν•΄ (phase portraits)

μ›€μ§μž„ μ–΄λ–»κ²Œ μ‘°μ ˆλ˜λŠ”μ§€ κΈ°λ‘ν•˜κΈ° μœ„ν•œ μœ„μƒ κΈ°ν•˜ν•™ 도해이며, κ΄€λ ¨λœ 두 개의 μš΄λ™ν˜•μƒν•™ 수치 관계λ₯Ό 계속 μ’Œν‘œλ‘œ λ‚˜νƒ€λ‚Έ μ›€μ§μž„μ˜ κΈ°ν•˜ν•™μ  그림이닀.
μ§€μ ˆμ˜ 속도 λ³€ν™”κ°€ κ΄€μ ˆ μœ„μΉ˜μ— λ―ΈμΉ˜λŠ” 영ν–₯, μ‹ κ²½κ·Όμœ‘κ³„ν†΅μ˜ μ•ˆμ •μ„±μ„ μ•Œμ•„λ³΄λŠ” 질 평가 등에 μ‚¬μš©λœλ‹€.

phase portraits의 μ˜ˆμ‹œ

A-A diagram이 두 κ΄€μ ˆμ˜ ν˜‘μ‘μ˜ νŠΉμ§•μ„ ν‘œν˜„ν•œλ‹€λ©΄, 
phase portraitλŠ” νŠΉμ ˆν•œ κ΄€μ ˆμ΄ μ›€μ§μž„ μ•ˆμ—μ„œ μ–΄λ–»κ²Œ μ‘°μ ˆλ˜λŠ”μ§€ ν‘œν˜„ν•œλ‹€.
*ν•œλ§ˆλ””λ‘œ, A-A diagram은 두 κ΄€μ ˆμ˜ 각도가 μ–΄λ–»κ²Œ λ™μ‹œμ— μ§„ν–‰λ˜λŠ”μ§€ 보여쀀닀면,
phase portraitλŠ” ν•œ κ΄€μ ˆμ˜ 각도와 λ³€μˆ˜(속도,가속도 λ“±)λ₯Ό 보여쀀닀고 μƒκ°ν•˜λ©΄ 될 것 κ°™λ‹€.

 

μƒλŒ€μ  μœ„μƒν™” (relative phasing)

μ—­ν•™ 이둠가듀이 μƒμ΄ν•œ μš΄λ™κΈ°μˆ μ„ 배우고 μˆ˜ν–‰ν•˜λŠ” λ™μ•ˆ μ§€μ ˆμ΄ μ–΄λ–»κ²Œ ν˜‘μ‘ν•˜λŠ”μ§€λ₯Ό κ²€μ‚¬ν•˜κΈ° μœ„ν•˜μ—¬ 자주 μ‚¬μš©ν•˜λŠ” 츑정방법이닀. 
이런 μƒλŒ€μ  μœ„μƒκ°’ 츑정을 톡해, 두 개의 μ›€μ§μ΄λŠ” 뢀뢄이 λ™μœ„μƒμ— μžˆλŠ”μ§€(λ™μΌν•œ λ°©ν–₯으둜 μ›€μ§μ΄λŠ”μ§€), μ•„λ‹ˆλ©΄ μ—­μœ„μƒμ— μžˆλŠ”μ§€(λ°˜λŒ€ λ°©ν–₯으둜 μ›€μ§μ΄λŠ”μ§€) μ•Œμ•„ λ³Ό 수 μžˆλ‹€.
λ‹€μ–‘ν•œ μ›€μ§μž„μ„ μˆ˜ν–‰ν•˜κ³  ν•™μŠ΅ν•  λ•Œ μΌμ–΄λ‚˜λŠ” μ‹ κ²½κ·Όμœ‘κ³„ν†΅μ˜ ν˜‘μ‘κ³Ό μ‘°μ ˆμ„ μ—°κ΅¬ν•˜κΈ° μœ„ν•΄ 많이 μ‚¬μš©λ˜μ—ˆλ‹€.

relative phasing의 μ˜ˆμ‹œ

*아직은 μš°λ¦¬κ°€ μ‹€μ œλ‘œ 이런 방법듀을 ν™œμš©ν•˜μ—¬, 연ꡬλ₯Ό ν•  것이 μ•„λ‹ˆκΈ° λ•Œλ¬Έμ— 일단은 이런 것듀이 μžˆλ‹€ μ •λ„λ§Œ μ΄ν•΄ν•˜μ‹œλ©΄ λ©λ‹ˆλ‹€!

 

근전도 검사법 (electromyography, EMG)

ν•΄λ‹Ή λΆ€μœ„μ˜ ν”ΌλΆ€ν‘œλ©΄μ— 전극을 λΆ€μ°©ν•˜μ—¬, μž‘μš©κ·Όκ³Ό λŒ€ν•­κ·Όμ—μ„œ λ°œμƒν•˜λŠ” 전기적 ν™œλ™μ„ μΈ‘μ •ν•˜λŠ” 방법이닀.
μ›€μ§μž„μ˜ 곡간적, μ‹œκ°„μ  νŠΉμ„±μ„ 확인할 수 μžˆλ‹€. λ˜ν•œ EMG파μž₯의 ν˜•νƒœλ‘œ κ°€ν•΄μ§„ 힘의 μ–‘, 진폭, μˆ˜μΆ•κΈ°κ°„ 등도 μ•Œ 수 μžˆλ‹€.
*μš°λ¦¬κ°€ ν”νžˆ κ³Όν•™μ μœΌλ‘œ μ›€μ§μž„μ„ λΆ„μ„ν•œλ‹€κ³  상상할 λ•Œ μƒκ°ν•˜λŠ” κ·Έ 방식이닀.
κ·Όμœ‘λ“€μ— 전극을 뢙이고 μΈ‘μ •ν•˜λŠ”!

EMG의 μ˜ˆμ‹œ

 

 

신경학적 μΈ‘μ •

기둝기술과 계츑μž₯λΉ„μ˜ λ°œλ‹¬λ‘œ μ‹ κ²½κ³„ν†΅μ˜ 내적 μž‘μš©μ— κ΄€ν•˜μ—¬ μ•Œ 수 있게 λ˜μ—ˆλ‹€.
이런 κΈ°μˆ μ€ μš΄λ™μ‘°μ ˆμ΄λ‘ μ„ μ‹ κ²½ν•™ μˆ˜μ€€μ˜ λΆ„μ„μ—μ„œ 연ꡬ할 수 있게 ν•΄μ£Όμ—ˆλ‹€.
ν¬κ²ŒλŠ” invasive(침슡)κ³Ό noninvasive(λΉ„μΉ¨μŠ΅)으둜 κ΅¬λΆ„λœλ‹€. (μΉ¨μŠ΅μ€ λͺΈμ— 칼을 λŒ€μ„œ λͺΈμ†μ— 무언가λ₯Ό μ œκ±°ν•˜κ±°λ‚˜ μ„€μΉ˜ν•˜λŠ” λ“±μ˜ 방법을 λ§ν•©λ‹ˆλ‹€! λΉ„μΉ¨μŠ΅μ€ κ·ΈλŸ¬μ§€μ•Šκ³  피뢀에 λΆ€μ°©ν•˜κ±°λ‚˜, 광선을 μ˜κ³ λ‚˜ ν•˜λŠ”, λͺΈμ— 칼을 λŒ€μ§€ μ•ŠλŠ” 것이라고 μƒκ°ν•˜μ‹œλ©΄ λ©λ‹ˆλ‹€!)

invasiveκΈ°μˆ μ—λŠ” 세포내 기둝 방법, λ³‘μ†Œμ™€ 제거 등이 있고, noninvasiveκΈ°μˆ μ—λŠ” μ–‘μ „μž 방좜 단측 촬영술, κΈ°λŠ₯적 자기 곡λͺ…μ˜μƒ, κ²½λ‘κ°œ 자기 자극술 등이 μžˆλ‹€.

intracellular recordings (세포 λ‚΄ 기둝기법)

λ§ˆμ΄ν¬λ‘œν”ΌνŽ«μ„ λ‡Œμ— μ‚½μž…ν•˜μ—¬ μ›€μ§μ΄λŠ” λ™μ•ˆ λ‚˜νƒ€λ‚˜λŠ” 세포 λ‚΄ 잠재λ ₯을 κΈ°λ‘ν•˜λŠ”λ° μ‚¬μš©λœλ‹€.
μœ„ν—˜λ„λ‘œ μΈν•˜μ—¬, 동물 μ—°κ΅¬μ—λ§Œ μ œν•œλ˜μ–΄ μžˆμ§€λ§Œ, μ›€μ§μž„μ˜ κ³„νšκ³Ό μ‹€ν–‰ λΆ€λΆ„μ—μ„œ νŠΉμ •ν•œ μ‹ κ²½ν•™ ꡬ쑰의 법칙을 더 잘 이해할 수 μžˆλ„λ‘ 도왔닀.

 

ablation and lesions (μ œκ±°μ™€ 병변)

μ€‘μΆ”μ‹ κ²½κ³„μ˜ νŠΉμ •κ΅¬μ‘°λ₯Ό μΌλΆ€λŸ¬ ablationμ œκ±°ν•˜κ±°λ‚˜ lesions병변을 μΌμœΌν‚€λŠ” 방법이닀.
κ΄€μ‹¬λΆ€μœ„λ₯Ό μ œκ±°ν•˜κ±°λ‚˜ 병변을 μΌμœΌν‚¨ ν›„, μƒˆλ‘œμš΄ μ›€μ§μž„μ— λŒ€ν•œ 쑰절λŠ₯λ ₯μ΄λ‚˜ ν•™μŠ΅λŠ₯λ ₯에 λŒ€ν•΄ λ©΄λ°€νžˆ μ‘°μ‚¬ν•œλ‹€.
ν•΄λ‹Ή 쀑좔신경계가 무엇을 λ‹΄λ‹Ήν•˜κ³  μžˆμ—ˆλŠ”μ§€, 그리고 후에 ν•΄λ‹Ή λΆ€μœ„μ— λŒ€ν•œ λŒ€μ²˜λ₯Ό μ€‘μΆ”μ‹ κ²½κ³„μ—μ„œ μ–΄λ–»κ²Œ ν•΄λ‚΄λŠ”μ§€ 등을 μ•Œ 수 μžˆλ„λ‘ 도왔닀. 
μ΄λ˜ν•œ λ™λ¬Όμ—κ²Œλ§Œ μ œν•œμ μœΌλ‘œ μ‚¬μš©λ˜λ©°, μΈκ°„μ˜ 신경계톡 κΈ°λŠ₯으둜 μ μš©ν•  λ•ŒλŠ” μ£Όμ˜ν•΄μ•Ό ν•œλ‹€.

 

positron emission tomography, PET (μ–‘μ „μž 방좜 단측 촬영술)

PETλŠ” μ²΄λ‚΄μ—μ„œ μΌμ–΄λ‚˜λŠ” 생화학적 λ³€ν™”λ₯Ό 평가할 수 있으며, 역동적인 λ‡Œ κΈ°λŠ₯을 μ—°κ΅¬ν•˜λŠ”λ°λ„ μ‚¬μš©λœλ‹€.
νŠΉμ • 약물이 λͺΈμ†μœΌλ‘œ νΌμ Έμ„œ λΆ„ν¬ν•˜κ²Œ 되면, 그것을 λͺ¨λ‹ˆν„°λ§ ν•  수 μžˆμ–΄μ„œ,
μ„œλ‘œ λ‹€λ₯Έ μ‹ κ²½ν•™ μ§ˆν™˜μ˜ μ§ˆλ³‘ 과정을 이해할 수 μžˆμ„ 뿐만 μ•„λ‹ˆλΌ 약물연ꡬ 및 λ°œλ‹¬μ— κ΄‘λ²”μœ„ν•˜κ²Œ 쓰이고 μžˆλ‹€.

positron emission tomography, PET

 

functional magnetic resonance imaging, fMRI (κΈ°λŠ₯적 자기 곡λͺ… μ˜μƒ)

fMRIλŠ” λ‡Œ μ˜μ—­μ˜ 화학적 ν™”ν•©λ¬Ό λ˜λŠ” λ‡Œμ²™μˆ˜μ•‘μ΄λ‚˜ ν˜ˆμ•‘κ³Ό 같은 앑체 νλ¦„μ˜ λ³€ν™”λ‘œ μΈν•œ λ‡ŒκΈ°λŠ₯의 λ³€ν™”λ₯Ό μ‹œκ°ν™”ν•΄μ€€λ‹€.
μš΄λ™κΈ°μˆ μ˜ ν•™μŠ΅κ³Ό 기얡에 κ΄€λ ¨λœ μ‹ κ²½κ΅¬μ‘°λ‚˜ λ‡Œμ˜μ—­μ„ λ°œκ²¬ν•˜λŠ”λ° μ‚¬μš©λœλ‹€. 
PET보닀 μ‹œκ°„μ  곡간적 해상도가 μ’‹κΈ° λ•Œλ¬Έμ—, PET와 ν•¨κ»˜ λ˜λŠ” λŒ€μ‹  쓰인닀.
λ˜ν•œ, 맀우 λΉ λ₯΄λ©΄μ„œ μ—°μ†μ μœΌλ‘œ λ‡Œ 이미지λ₯Ό λ§Œλ“€ 수 μžˆμ–΄, νšλ“λœ λ‡Œ 이미지 간에 차이점이 μ‘΄μž¬ν•œλ‹€λ©΄ 이미지λ₯Ό ν†΅κ³„ν•™μ μœΌλ‘œ 뢄석할 수 μžˆλ‹€.

functional magnetic resonance imaging, fMRI

 

transcranial magnetic stimulation, TMS (κ²½λ‘κ°œ 자기 자극술)

큰 자기적 진동을 λ§Œλ“€μ–΄λ‚΄λŠ” μ†Œν˜• μž₯치둜 κ΅¬μ„±λœ λŒ€λ‡Œ κ²‰μ§ˆ 자기 자극기λ₯Ό μ‚¬μš©ν•˜λ©°, 이 자기적 진동은 μ†Œν˜• μž₯μΉ˜μ— μ—°κ²°λœ μ£Όμš” μžκ·ΉκΈ°μ— μ˜ν•΄ μ „λ‹¬λœλ‹€.(κ·Έλ¦Ό μ°Έμ‘°)
TMSλŠ” μ‹ κ²½ν™œλ™ λŠ₯λ ₯에 영ν–₯을 λ―ΈμΉ˜λŠ” νŠΉμ • μ‹ κ²½ν•™ μ§ˆν™˜ ν•œμžλ“€μ˜ 일차 μš΄λ™μ‹ κ²½λ‘œμ˜ κΈ°λŠ₯ μž₯μ•  μˆ˜μ€€μ„ 확인할 수 있게 도와주며, 신경학적 외상 μœ ν˜•μ— λ”°λ₯Έ μš΄λ™νšŒλ³΅ 정도λ₯Ό μ˜ˆμΈ‘ν•  수 μžˆλŠ” μˆ˜λ‹¨μ΄ λœλ‹€.

transcranial magnetic stimulation, TMS

 

 

*λ‚˜μ˜ 생각

μš΄λ™μ‘°μ ˆλ‘œ μΈν•˜μ—¬ μΌμ–΄λ‚˜λŠ” μ›€μ§μž„μ— λŒ€ν•œ λ‹€μ–‘ν•œ μΈ‘μ •μš”μ†Œλ“€κ³Ό κ·Έ 방법에 λŒ€ν•΄μ„œ μ•Œμ•„ λ³Ό 수 μžˆμ—ˆλ‹€.
μ—¬κΈ°μ„œ 배운 μΈ‘μ •μš”μ†Œλ“€ 쀑 λͺ‡κ°€μ§€λŠ” μ‹€μ œ 슀포츠 μ„ μˆ˜λ“€μ˜ νΌν¬λ¨ΌμŠ€μ— λŒ€ν•œ ꡐ정점을 μ°Ύκ±°λ‚˜, μž¬ν™œ ν•˜λŠ” κ²½μš°μ— 이전에 λΉ„ν•΄ 훨씬 더 κ³Όν•™μ μœΌλ‘œ μ²˜λ¦¬ν•˜λ©° κ³ μ°°ν•  수 있게 도와쀄 것이라고 μƒκ°ν•œλ‹€.
λ¬Όλ‘  뒀에 λ‚˜μ˜¬ λ‹¨μ›λ“€μ—μ„œ 더 μžμ„Έν•œ μš΄λ™ν•™μŠ΅ 방법듀에 λŒ€ν•΄ λ‚˜μ˜€κ² μ§€λ§Œ, μš°μ„  μ—¬κΈ° λ‚˜μ˜¨ μΈ‘μ •μš”μ†Œλ“€λ§Œ 해도 이전보닀 훨씬 λ‚˜μ€ 뢄석이 κ°€λŠ₯ν•΄μ§ˆ 것이닀.
ν™œμš©λ˜μ§€ μ•ŠλŠ” 것은 μžŠν˜€μ§„λ‹€κ³  μƒκ°ν•œλ‹€. μžŠν˜€μ§€μ§€ μ•ŠκΈ° μœ„ν•΄ μš°μ„ μ€ 배운 μ„ μ—μ„œ ν™œμš©ν•΄λ³΄λ©΄ 쒋을 것 κ°™λ‹€.