이 연구는 생체 신호와 뇌 신호를 활용한 정신 건강 평가 및 스트레스 관리 기술을 개발하는 데 중점을 둡니다. 연구팀은 HRV(심박 변이도), fNIRS(기능적 근적외선 분광법), EEG(뇌파)와 같은 신호를 분석하여 스트레스가 신체와 뇌에 미치는 영향을 규명합니다. 이를 기반으로 개인 맞춤형 정신 건강 관리 시스템과 신경 치료 예측 모델을 설계하여, 치료 결과의 예측 가능성과 스트레스 관리의 효율성을 높이는 혁신적 솔루션을 제공합니다. 주요 연구 주제: HRV 및 fNIRS 기반 스트레스 평가 시스템 설계 PTSD 치료 결과를 예측하는 EEG 딥러닝 모델 구축 정신 건강 관리용 생체 신호 기반 진단 및 관리 기술

본 연구는 생체 신호 처리와 딥러닝 기반 인간-컴퓨터 상호작용(HCI) 기술을 통해 인간의 경험을 풍부하게 하고 디지털 인터페이스를 개선하는 데 중점을 둡니다. 특히 rPPG(원격 광용적맥파)와 같은 비접촉형 생체 신호 추출 기술을 발전시키며, IR(적외선) 및 RGB 영상 융합을 통한 심박수 및 심박 변이도 추정 모델을 개발합니다. 또한, 혼합 현실(MR)을 활용하여 스트레스를 줄이고 정서적 웰빙을 증진하는 인터랙션 콘텐츠를 제작하여 HCI의 새로운 가능성을 탐구합니다. 주요 연구 주제: IR 및 RGB 융합 영상 기반 비접촉형 생체 신호 모니터링 MR 기반 스트레스 완화 콘텐츠 개발 생체 신호를 활용한 인간 중심 HCI 기술 설계

본 연구는 EEG(뇌파)와 fNIRS(기능적 근적외선 분광법)를 활용하여 실시간 뇌-컴퓨터 인터페이스(BCI) 기술을 개발하는 데 중점을 둡니다. EEG는 고해상도의 시간적 정보를 제공하며, fNIRS는 산소화 혈류 변화를 기반으로 한 뇌의 국소적 활성화 패턴을 측정합니다. 이 두 신호를 융합함으로써 뇌의 전기적 활동과 혈류 역학적 변화를 동시에 분석하여 보다 정밀한 사용자 상태 추정이 가능해집니다. 연구의 목표는 실시간 뇌 신호 해석을 통해 사용자의 의도나 정서 상태를 정확히 파악하고, 이를 기반으로 개인화된 피드백과 인터랙션을 제공하는 것입니다. 이를 통해 인지 기능 향상, 정신 건강 관리, 그리고 다양한 응용 환경에서의 효율적인 인간-기계 상호작용을 지원하는 혁신적인 BCI 시스템을 설계합니다. 주요 연구 주제: EEG-fNIRS 융합 기반 사용자 상태 추정 모델 개발 실시간 신호 처리 및 피드백 시스템 설계 정신 건강 관리 및 인지 기능 향상을 위한 인터랙션 디자인 신경 신호 기반 개인화 인터페이스 기술