조용석 교수

근감소증을 예방하고 비대면 환경에서도 정밀한 재활 코칭을 제공하기 위해서는 정확한 동작 분석 기술이 필수적입니다. 이러한 필요성에 따라 웨어러블 IMU 센서로부터 수집되는 원시 데이터에 대한 정밀 필터링 기법을 설계하고, GRU와 Transformer 구조를 결합한 시계열 동작 분류 알고리즘을 개발했습니다. 이 알고리즘은 가속도와 각속도 등 다축 센서 신호의 시간적 패턴을 학습하여 반복적인 운동 동작을 구간별로 정확하게 인식하고 분류합니다. 개발된 기술은 웨어러블 기반 운동 동작 분석과 비대면 재활 코칭 시스템에 적용되어, 사용자가 별도의 전문가 없이도 정확한 자세 피드백을 받을 수 있는 기반을 제공합니다. 실제 검증 단계에서는 덤벨컬 동작을 대상으로 Confusion Matrix 기반의 정밀한 성능 평가를 완료했으며, IMU 데이터를 활용한 덤벨컬 동작분석 인공지능 모델 개발 과제를 수행하여 기술의 실효성을 확인했습니다. 현재 해당 기술은 TRL 4-5 단계에 도달했습니다.

이석증(BPPV) 등 어지럼증 질환은 신속하고 정확한 진단이 치료 방향을 결정하는 데 중요하지만, 기존 검사 방식은 숙련된 전문의의 판독에 의존하는 한계가 있습니다. 이를 해결하기 위해 비디오 안진 검사(VNG) 영상 내에서 동공의 회전성분을 검출하는 기술을 개발했으며, 어텐션(Attention) 메커니즘과 트랜스포머 기반 검출 모델을 결합하여 미세한 회전성 안진 패턴까지 포착할 수 있는 진단 지원 알고리즘을 구축했습니다. 이 모델은 영상 내 동공의 움직임을 프레임 단위로 분석하여 회전성 안진을 자동으로 검출함으로써 이석증 진단을 지원합니다. 해당 기술은 이석증(BPPV) 진단 지원 시스템과 회전성 안진 검출 시스템에 적용되고 있습니다. 성능 검증 결과 정확도 86.79%, 민감도 89.62%, 특이도 83.96%, AUC 0.93을 달성했으며, 이 연구 결과는 2025년 Sensors 저널에 게재되었습니다. 인공지능을 활용한 BPPV 검출에 관한 연구 과제를 수행했으며, 현재 기술 수준은 TRL 6 단계입니다.

하지 장애 환자의 보행 대칭성을 회복시키기 위해서는 실시간으로 체중 부하 상태를 계측하고 피드백을 제공하는 시스템이 필요합니다. 이를 위해 좌우 하지의 체중부하를 비교 분석하는 대칭 체중부하 분석 알고리즘을 설계하고, 다양한 생체신호를 동시에 측정할 수 있는 멀티스마트 생체신호 계측 하드웨어를 개발했습니다. 이 시스템은 보행 중 발생하는 체중 이동 데이터를 실시간으로 수집하고 분석하여 환자에게 즉각적인 피드백을 제공합니다. 개발된 기술은 보행 재활훈련 장치, 균형 및 체중이동 훈련 장치, 생체신호계측 교육실습 시스템 등에 적용되고 있습니다. 연구 성과로 균형 및 체중이동 훈련장치, 휴대용 혈류측정장치, 보행 재활훈련장치, 생체신호측정모듈용 멀티스마트 교육실습 시스템, 하지질환자의 대칭 체중부하 피드백을 통한 보행 재활훈련 및 분석장치 등 총 5건의 특허를 확보했습니다. 현재 해당 기술은 TRL 7 단계에 도달하여 실용화 단계에 근접해 있습니다.