의료 데이터 기반 AI 분석 및 고처리량 Organ-on-a-Chip 운영 연구

AI-Based Biomedical Signal/Image Analysis and High-Throughput Organ-on-a-Chip

연구 내용

시간영상을 활용한 신호 품질 판별과 CNN 기반 세포 이미지 분류, 고처리량 organ-on-a-chip 운영 동향을 결합해 생체 데이터의 해석성과 스크리닝 효율을 높이는 연구

생체 신호와 관찰 데이터를 AI로 해석하는 접근을 수행합니다. 웨어러블에서 측정되는 BCG 신호를 time-series imaging 기법으로 이미지 표현으로 변환한 뒤 CNN 계열 모델로 고품질/저품질 구간을 분류하여, 측정 잡음으로 인한 성능 저하를 줄이는 방향을 다룹니다. 또한 암세포 이미지 분류에서 CNN 기반 학습 접근을 적용하여 영상 기반 분류 성능을 검토합니다. 더 나아가 고처리량 organ-on-a-chip 관점에서 HT-OoC가 약물 탐색과 개발에 기여하는 운영 요소와 자동화 흐름을 정리하고, 인공지능 통합 필요성을 포함한 산업 적용 맥락을 기술합니다. 이를 통해 칩 기반 데이터 수집-해석-스크리닝으로 이어지는 파이프라인 구성을 지향합니다.

관련 프로젝트

0건

연구 흐름

초기에는 병렬 처리와 데이터 해석을 전제로 한 고처리량 organ-on-a-chip 개념의 운영 요소를 정리하는 방향으로 연구 기반을 마련했습니다. 이후 웨어러블 신호의 잡음 문제를 해결하기 위해 BCG를 time-series imaging으로 표현하고, CNN 모델로 신호 품질을 분류하는 방법을 적용했습니다. 병행하여 암세포 영상 분류에서 CNN 기반 접근을 적용해 영상 기반 데이터 해석 가능성을 확인했습니다. 최근에는 organ-on-a-chip 데이터의 고처리량화를 지원하는 분석 관점을 중심에 두고, 신호·영상 입력을 기계학습 모델로 연결하는 흐름으로 축적되고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

웨어러블 신호 품질 판별 모델
BCG 기반 비침습 혈압 추정 보조
세포 이미지 분류용 딥러닝 프레임워크
질환 스크리닝용 자동 분석 파이프라인
고처리량 organ-on-a-chip 운영 지표
약물 탐색용 데이터 전처리 자동화
영상 기반 생체마커 추출
잡음 환경에서의 분류 안정화
칩 실험 결과의 정량 리포팅
AI 통합형 in vitro 플랫폼 구축