Miseon Shim

본 연구에서는 낙상을 효과적으로 검출하기 위해 4D 이미징 레이더 센서와 인공지능(AI) 기반의 비접촉 낙상 감지 시스템을 제안하였다. 이 시스템은 레이더 센서를 통해 추출한 Point Cloud 데이터를 가공하여 신체의 위치와 자세를 분석하며, CNN 모델을 활용한 서기, 앉기, 눕기 등의 자세를 분류한 후 낙상과 천천히 눕는 동작을 구별하기 위해 속도 및 위치 변화를 비교하는 판별 기준을 수립하였다. 이에 대한 결과로는 낙상 감지정확도 90%, 자세 분류 정확도 98.66%를 달성하였다. 더불어, 웹 기반 인터페이스와 Unity 엔진을 활용한 아바타 시뮬레이션을 통합하여 사용자 친화적인 실시간 모니터링 환경을 제공하고자 하였다. 향후 연구에서는 다양한 환경에서 추가적인 검증을 수행하고, 낙상의 단계를 더욱 세분화하는 한편, 레이더 센서 외에 추가적인 센서를 융합하여 통합 헬스케어 플랫폼으로 발전시킬 필요가 있다.

The advancement of artificial intelligence (AI) tools utilizing electroencephalography (EEG) for diagnosing major depressive disorder (MDD) has shown significant progress. However, the practical implementation of these tools is often impeded by the large amount of EEG data required for training AI models and the lack of explanations for the MDD diagnoses. This study aims to develop an interpretable deep‐learning‐based computer‐aided diagnostic system for diagnosing male MDD patients using explainable AI (XAI) algorithms. The CAD system was designed to facilitate the diagnostic process by using a reduced number of EEG channels and data length while enhancing understanding of the neurophysiological characteristics of male MDD. Resting‐state EEG data were collected from 40 male MDD patients (20–63 years) and 41 gender‐matched healthy controls (HCs, 19–61 years). A shallow convolutional neural network (CNN; Shallow ConvNet) model was utilized to distinguish between MDD patients and HCs. Relevance scores were extracted by the layer‐wise relevance propagation (LRP) method, integrated with the Shallow ConvNet, to interpret the outcomes of the deep‐learning‐based CAD system. Additionally, changes in diagnostic performance were assessed by progressively reducing the number of channels using an LRP‐based channel selection method, as well as EEG data length. Our XAI‐based CAD system showed a high diagnostic performance of 100% when using the whole 62 channels with 180‐s EEG data. A relatively high diagnostic performance over 90% was retained with only five channels with 60‐s EEG data. Neurophysiologically meaningful brain areas, such as fronto‐central, centro‐parietal, and occipital areas, also revealed significant differences in relevance scores extracted by the LRP‐method between the two groups. This study successfully developed a high performance and practical XAI‐based CAD system for male MDD patients. Our developed CAD system not only achieves high diagnostic accuracy but also provides meaningful neurophysiological biomarkers for male MDD patients.

노화로 인한 근감소증은 근력 감소로 인하여 삶의 질을 떨어뜨릴 수 있으므로, 특히 고령자의 상지 근력 강화를 위한 중재 방법이 필요하다. 근감소증 예방과 관리는 신체 부하를 줄이고 근육 수축과 이완을 반복하는 운동기구 사용이 효과적이다. 본 연구에서는 신체의 움직임을 측정하기 위한 IMU 센서와 정량적인 악력 측정을 위한 로드셀을 결합하여, 사용자의 근력에 따라 무게를 조절할 수 있는 Smart Dumbbell을 새롭게 구현하였다. 또한, 상지 근력의 정량적 평가와 저항성 운동을 위한 근육 수축 및 이완 운동 콘텐츠를 제작하여, 상지근력 강화를 위한 통합적인 운동 플랫폼을 제안하였다. 제안된 Smart Dumbbell과 콘텐츠를 활용한 운동이 표적 근육군의 활성화를 효과적으로 유도하여, 상지 근력 강화를 위한 중재 방법으로서 적합함을 확인하였다.

Hye-Jin Lee, Young-Min Park, Miseon Shim. Clin Psychopharmacol Neurosci 2024;22:451-7. https://doi.org/10.9758/cpn.23.1133

Youngjun Cho, Young-Min Park, Miseon Shim, Seung-Hwan Lee. Clin Psychopharmacol Neurosci 2023;21:742-8. https://doi.org/10.9758/cpn.23.1050