재활공학 분야에서 기능적 전기 자극(FES, Functional Electrical Stimulation) 시스템은 신경근육계 손상 환자의 운동 기능 회복을 지원하는 핵심 기술입니다. 본 연구실은 자발적 근전도(EMG) 신호를 이용하여 FES를 제어하는 첨단 시스템 개발에 주력하고 있습니다. 이를 위해 근전도 신호에서 자극 아티팩트와 비자발적 신호(M-wave)를 효과적으로 제거하는 적응형 필터 및 예측 오차 필터(Gram-Schmidt, Eigen filter 등)를 설계하고, FPGA 등 하드웨어에 실시간 구현하는 연구를 수행하고 있습니다. 이러한 기술은 환자의 의도에 따라 근육을 자연스럽게 자극할 수 있도록 하여, 기존의 단순 반복적 자극 방식보다 훨씬 정밀하고 효과적인 재활 치료를 가능하게 합니다. 실제로 본 연구실은 다양한 임상 실험을 통해, 자발적 근전도 신호 기반의 FES 시스템이 하지 마비 환자의 족하수(drop foot) 개선 등 실질적인 운동 기능 향상에 기여할 수 있음을 입증하였습니다. 또한, 실시간 신호처리와 적응형 필터링 기술을 결합하여, 임상 환경에서의 적용 가능성을 높이고 있습니다. 향후 본 연구실은 이러한 FES 시스템을 더욱 고도화하여, 다양한 신경근육계 질환 환자에게 맞춤형 재활 솔루션을 제공하고자 합니다. 또한, 인공지능 및 IoT 기술과의 융합을 통해 원격 재활 및 스마트 헬스케어 시스템으로의 확장도 모색하고 있습니다. 이를 통해 재활공학 분야의 혁신적인 발전과 환자 삶의 질 향상에 기여할 계획입니다.

생체신호처리는 재활공학과 의공학 분야에서 매우 중요한 연구 주제입니다. 본 연구실은 ECG, EMG, PPG 등 다양한 생체신호로부터 유용한 정보를 추출하고, 노이즈 및 아티팩트를 효과적으로 제거하는 신호처리 알고리즘 개발에 집중하고 있습니다. 특히, 적응형 필터(Adaptive Filter), 칼만 필터, 주파수 추적 필터 등 첨단 신호처리 기법을 활용하여, 실시간으로 생체신호의 품질을 향상시키는 연구를 수행하고 있습니다. 이러한 기술은 의료기기 회로 설계, 생체임피던스 분석, 심혈관계 파라미터 측정, 근전도 기반 운동 분석 등 다양한 응용 분야에 적용되고 있습니다. 예를 들어, 표면 근전도 신호에서 ECG 아티팩트를 제거하거나, 광용적맥파(PPG) 신호의 온도 변화 보상 알고리즘을 개발하여, 보다 정확한 생리학적 지표 측정이 가능하도록 하고 있습니다. 또한, 생체신호 기반의 자세 교정 시스템, 동적 자세 안정성 평가 시스템 등도 개발하여, 실제 임상 및 헬스케어 현장에 적용하고 있습니다. 본 연구실은 앞으로도 신호처리 알고리즘의 고도화와 하드웨어 실장 기술을 결합하여, 차세대 스마트 의료기기 및 재활 보조기기의 핵심 기술을 선도할 계획입니다. 이를 통해 환자 맞춤형 진단 및 치료, 원격 모니터링 등 미래 의료 환경에 적합한 혁신적 솔루션을 제공하고자 합니다.