Quantification of Consciousness States and BCI-Driven Rehabilitation Prognosis
연구 내용
EEG와 TMS 기반의 해석가능 모델로 의식(각성-인지) 구성요소를 분리 정량화하고, 뇌 신호를 이용한 뇌졸중 환자 운동상상/회복 예측 및 분류 성능을 일반화하는 연구
의식장애 환자에서 각성과 인지를 분리해 해석 가능한 수준 지표로 제공하기 위한 연구를 수행합니다. EEG 반응과 TMS 자극 데이터를 활용하여 딥러닝 기반 신경 상관을 모델링하고, 상태 구분의 근거를 함께 해석할 수 있는 구조를 설계합니다. 또한 뇌졸중 환자에 대해 병변 위치와 과제 특성을 고려한 교차대상 EEG 분류 및 운동회복 예측을 수행합니다. 공통 공간 특성 추출과 주파수-공간 통합 학습을 통해 개인차와 데이터 분산에 강인한 분석 절차를 확보합니다.
관련 연구 성과
관련 논문
4편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기에는 EEG와 TMS를 결합한 데이터에서 각성과 인지를 분리 정량화하는 해석가능 의식 지표(E mpowerable consciousness indicator) 프레임워크를 제안하였습니다. 이후에는 뇌졸중 환자에서 운동상상과 운동 실행 과제를 대상으로, 병변에 따른 특성 공유·선택을 포함한 교차대상 EEG 분류로 임상 적용성을 확장하였습니다. 2025년에는 휴지기 EEG를 이용해 운동 예후를 예측하는 이중 스트림 동적 컨볼루션 구조로 일반화 성능을 강화했습니다. 동시에 의식장애 영역에서 AI·머신러닝 적용 동향을 정리하여 진단·예후·치료 반응 예측의 연구 방향을 체계화했습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Quantifying arousal and awareness in altered states of consciousness using interpretable deep learning
Multi-Task Heterogeneous Ensemble Learning-Based Cross-Subject EEG Classification Under Stroke Patients
DualDyConvNet: Dual-Stream Dynamic Convolution Network via Parameter-Efficient Fine-Tuning for Predicting Motor Prognosis in Subacute Stroke
Artificial intelligence and machine learning in disorders of consciousness