연구진은 개인 정보 보호, 모집, 비용, 움직임 변동성 등의 문제로 부족한 병리적 보행 데이터셋을 해결하기 위해 LLM 기반의 새로운 프레임워크를 제안했어요.
이 프레임워크는 구조화된 텍스트 설명을 기반으로 병리적 특징을 고려한 3D 보행 데이터 시퀀스를 생성하며, 병리-특이적 특징을 보존하는 토크나이저를 사용해요.
실험 결과, 합성된 보행 시퀀스는 실제 데이터와 결합하여 재발신 분류기를 위한 분류 성능을 향상시키며, GRU 분류기를 통해 92.77%의 정확도를 달성했어요.