 |
왼쪽부터 융합기술학제학부 이규빈 교수, 이성주 학생, 유연국 학생, 백승혁 학생, 과학기술연합대학원대학교 서호건 교수. |
[대학저널 이선용 기자] 광주과학기술원은 융합기술학제학부 이규빈 교수 연구팀이 인공지능(AI) 기술을 이용해 수면단계 분류의 정확도를 세계 최고 수준으로 끌어올리는 데 성공했다고 12일 밝혔다.
연구팀은 특징 피라미드를 활용한 대조학습 기술을 생체신호 측정에 최초로 적용했다.
수면단계 분류는 수면 관련 질환 진단 및 수면 품질 평가에 중요한 역할을 한다. 특히, 하나의 센서로 심전도, 뇌파, 근전도 등을 측정하는 ‘단일 채널 생체신호’는 측정 방법이 간편하다는 장점이 있다.
그러나 생체신호는 다양한 주파수가 혼합된 복잡한 형태로 구성되어 있고, 일부 신호는 서로 유사한 주파수 특성을 공유하고 있어 수면단계를 정확하게 구분하는 것은 매우 어렵다.
연구팀은 복잡한 생체신호로 수면단계를 분류하는 데 AI 기술을 이용하는 새로운 방법을 제안했다. 기존에도 수면단계를 인공지능으로 분류하는 방법은 있었으나 이번 연구를 통해 정확도를 높였다.
또한 연구팀은 ‘특징 피라미드’ 기술을 이용해 다양한 주파수의 신호를 더 효과적으로 처리하는 방법을 제안했다.
연구팀은 연구 결과의 공정한 성능 비교를 위해 4개의 벤치마크(동일한 데이터 셋으로 평가 환경을 구성)를 통해 확인했다.
수면단계 분류 AI는 Sleep-EDFx 벤치마크에서 기존 연구 대비 0.6%p(84.0 →84.6), MASS 벤치마크에서 1.6%p(85.2 → 86.8), Physio2018 벤치마크에서 0.6%p(80.3 → 80.9), SHHS 벤치마크에서 0.2%p(87.7 → 87.9) 향상된 정확도를 기록했으며, 이는 현재까지 세계 최고 수준의 성능에 해당한다.
특히 구분이 어려운 N1 단계와 REM 단계의 분류 정확도가 각각 3.8%p와 2.6%p의 큰 폭으로 향상되었다는 점이 주목된다. 이러한 결과는 연구팀이 제안한 프레임워크가 기존 방법보다 수면단계의 세부적인 차이를 더 잘 포착하고 구별할 수 있음을 나타낸다.
□ 이규빈 교수는 “이번 연구 성과는 AI 모델이 복잡한 생체 신호 패턴을 더욱 정밀하게 분석하고 해석할 수 있다는 것을 보여 준다”며 “이 방법이 앞으로 수면 질환의 조기 진단과 치료 계획 수립에 중요한 기여를 할 것으로 기대한다”고 말했다.
[저작권자ⓒ 대학저널. 무단전재-재배포 금지]
