전자약을 위한 인공지능 기반 신호예측 기술 연구

국문 초록 (Abstract)

전기자극용 체내 삽입물(이하 전자약)은 만성 질환 및 난치병에 대한 대책으로서 빠른 발전을 하고 있다. 하지만 기존의 전자약은 개 루프(open-loop)로, 사전 정의된 전기자극을 일방적으로 주는 방식이다. 따라서 본 연구에서는 환부의 신경신호와 생체 신호를 입력으로 하여 AI를 통해 최적의 자극 신호를 생성하는 폐루프(closed-loop)방식을 적용함으로써 환자의 상태에 따른 능동적인 전기자극을 주는 것을 목적으로 한다. 이 연구에서는 상기하였던 것과 같이 딥러닝을 기반으로 전기자극의 요소를 제어하기 위해 여러 가지 딥러닝 방법을 사용한다. 딥러닝 모델에 대한 안정성과 각 개체에 대한 정확성, 연산량을 비교하면서 어떤 방법이 적합한지 모색한다. 또한 그 결과로 생성된 딥러닝을 수행할 수 있는 가장 작은 모듈을 생성하고 상용화된 모듈과 비교하여 발전 가능성을 제시한다.

다국어 초록 (Multilingual Abstract)

Electroceuticals are developing rapidly as countermeasures against chronic and incurable diseases. However, the existing electroceuticals are an open-loop method that unilaterally gives predefined electrical stimulation. Therefore, in this study, the purpose of this study is to provide active electrical stimulation according to the patients condition by applying a closed-loop method that generates an optimal stimulation signal through AI by inputting the affected areas neural signal and biometric signal. This study focuses on deep learning-based electrical stimulation control for miniaturization of electroceutical and optimization of the results to patients. So, various deep learning methods are used to control the elements of electrical stimulation based on deep learning. It seeks out which method is appropriate by comparing the stability of the deep learning model, the accuracy of each individual, and the amount of computation. In addition, the smallest module capable of performing deep learning generated as a result is created, and the development potential is suggested compared to a commercialized module.