• 한국융합학회논문지
• /
• 제13권5호
• /
• pp.9-19
• /
• 2022

본 연구에서는 체계적 고찰을 통해 노인의 삼킴 단계별 삼킴 기능을 평가하기 위해 표면 근전도 검사를 적용한 방법을 분석하여, 임상에서 노인의 삼킴 단계를 객관적으로 측정할 수 있도록 돕고자 하였다. 2011 ~ 2021년까지 Pubmed, Scopus, Web of Science (WoS)를 활용하여 선정기준에 부합하는 연구 7편을 선정하였다. 본 연구 결과, 노인과 성인을 실험군과 대조군으로 나누어서 분석하거나 노인만을 대상으로 삼킴단계를 표면근전도검사를 이용하여 분석하였다. 구강단계와 인두단계의 삼킴을 평가하기 위해 표면 근전도 검사를 사용하였으며, 표면 근전도 부착 부위는 각 단계별 관여하는 삼킴 근육에 부착하였다. 수집된 근전도 데이터는 대역통과필터와 노치필터를 사용하여 필터링되었고, 제곱평균제곱근, 진폭, 최대자발적 수축을 사용하여 분석하였다. 본 연구에서는 표면 근전도 검사가 단계별 삼킴 기능을 객관적이고 정량적으로 평가할 수 있는 도구로 사용될 수 있음을 알 수 있었다. 따라서 본 연구가 단계별 삼킴기능을 평가하기 위해 표면 근전도 검사를 융합한 다양한 연구를 활성화시킬 수 있기를 기대한다.

• 비파괴검사학회지
• /
• 제25권5호
• /
• pp.343-349
• /
• 2005

광섬유 브래그 격자(fiber Bragg grating, FBC)는 1989년 Melts의 실험이후 광통신 분야 및 센서 분야에 다양한 용도를 가지고 있다. 이를 이용하여 광섬유 레이저, 대역 통과 필터로 사용하거나, 여러 가지 물리량을 측정하기 위한 온도, 변형률, 변위센서 등에 응용할 수 있다. 특히 본 연구에서는 기존 센서가 가지지 못한 긴 게이지 길이에서의 측정을 위해서 광섬유 센서 정적 시스템(FBG Static Logger)과 FBG 센서가 포함된 긴 길이의 광섬유를 이용하여 장대 구조물의 변형이나 외부 reference의 상대변위를 길게 연결하여 측정하기 쉽지 않은 변위를 측정하여 구조물의 상황을 상시 점검하고 더 나아가 잔존수명을 예측하고 보수시기를 알려줄 수 있는 방법을 모색하여 FBG. 센서의 패키지(package)를 고안하였다. 이를 통해 효율적인 장거리 변위 측정방법을 정립하고 이를 원자력 격납구조물에 적용하여 성공적으로 측정함으로써 광섬유 격자센서를 이용하여 50m 이상의 장거리 계측의 가능성을 보여 주었다.

• 전자공학회논문지C
• /
• 제36C권5호
• /
• pp.27-37
• /
• 1999

비냉각 열상장비의 핵심 부품으로 사용되는 InfraRed Focal Plane Array(IRFPA)용 CMOS ReadOut IC (ROIC)를 설계하였다. 설계된 ROIC는 64×64 배열의 Barium Strontium Titanate(BST) 적외선 검출기에서 검출되는 신호를 받아 이를 적절히 증폭하고 잡음제거 필터링을 거쳐 pixel 단위로 순차적으로 출력하는 기능을 수행하며, 검출기 소자와의 임피던스 매칭, 저잡음 및 저전력 소모, 검출기 소자의 pitch 등의 사양을 만족하도록 설계되었다. 검출기 소자와 전치 증폭기 사이의 임피던스 매칭을 위해 MOS 다이오드 구조를 기본으로 하는 새로운 회로를 고안하여 적용함으로써 표준 CMOS 공정으로 구현이 가능하도록 하였다. 또한, tunable 저역통과 필터를 채용하여 신호대역 이상의 고주파 잡음이 제거되도록 하였으며, 단위 셀 내부에 클램프 회로를 삽입하여 출력신호의 신호 대 잡음비가 개선되도록 하였다. 64×64 IREPA ROIC는 0.65-㎛ 2P3M (double poly, tripple metal) N-Well CMOS 공정으로 설계되었으며, 트랜지스터, 커패시터 및 저항을 포함하여 약 62,000여개의 소자로 구성되는 코어 부분의 면적은 약 6.3-{{{{ { mm}_{ } }}}}×6.7-{{{{ { mm}_{ } }}}}이다.

• 감성과학
• /
• 제21권4호
• /
• pp.63-76
• /
• 2018

본 연구의 목적은 스마트 헬스케어를 위해 접촉식 직물전극의 구조가 심장활동 신호 획득에 미치는 영향을 연구하는 것이다. 본 연구에서는 심장활동 신호 측정을 위하여 전극의 크기와 구성방식을 조작한 6종의 접촉식 직물전극을 컴퓨터 자수 방식으로 구현하였고, 이를 가슴밴드에 부착하여 응용형 리드 II(modified Lead II) 방식으로 심장활동 신호를 검출하였다. 건강한 신체의 남성 4명을 대상으로 서서 정지한 자세에서 각 직물전극을 사용하여 심장활동 신호를 검출하였으며, 모든 유형의 전극에 걸쳐 4회씩 반복측정 하였다. 심장활동 신호의 수집을 위해 BIOPAC ECG100 장비를 사용하여 1 kHz로 샘플링하였으며, 검출된 원 신호를 대역통과 필터를 사용하여 필터링하였다. 직물전극의 구조에 따른 심장활동 신호 획득의 성능을 비교하기 위하여 신호의 파형과 크기를 파라미터로 하여 정성적 분석을 실시하였고, 각 전극을 통하여 획득된 심장활동 신호의 SPR(signal power ratio)을 산출함으로써 정량적 분석을 실시하였다. 산출된 SPR 값을 대상으로 하여 비모수 통계분석 방식의 차이검정과 사후검정을 실시함으로써 6개 전극의 구조에 따른 심장활동 신호 획득의 성능 차이를 구체적으로 분석하였다. 연구 결과 접촉식 직물전극의 구조에 따라 심장활동 신호의 품질에는 정성적, 정량적 측면에 걸쳐 모두 주요한 차이가 있는 것이 고찰되었다. 접촉식 직물전극의 구성 측면에 있어서는 입체전극이 평면전극에 비해 더 우수한 품질의 신호가 검출되는 것으로 나타났다. 한편 3가지 전극 크기에 따른 심장활동 신호 획득의 유의한 성능 차이는 발견되지 않았다. 이러한 결과는 심장활동 신호 획득을 위한 접촉식 직물전극 구조의 두 가지 요건 중 구성방식(평면/입체)이 웨어러블 헬스케어를 위한 심장활동 신호 획득의 성능에 주요한 영향을 미치는 것을 시사한다. 본 연구 결과를 기반으로 후속 연구에서는 직물전극이 일체형으로 통합된 의복형 플랫폼을 구현하고 성능 고도화 방안을 연구함으로써, 시공간의 제약 없이 고품질의 심장활동 모니터링이 가능한 스마트 의류 기술을 개발하고자 한다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제24권2호
• /
• pp.23-32
• /
• 2020

압축센싱 기술인 CAFB는 대상 구조물의 원시신호를 목적된 주파수 범위의 신호로 압축하여 획득하도록 개발되었다[27]. 이때 압축센싱을 위해 CAFB는 대상 구조물의 목적된 주파수 범위에 따라 다양한 기준신호로 최적화 될 수 있다. 또한, 최적화된 CAFB는 지진과 같은 돌발/위험상황에서도 대상 구조물의 유효한 구조응답을 효율적으로 압축할 수 있어야 한다. 본 논문에서는 상대적으로 유연한 구조물의 효율적인 구조 건전도 모니터링을 위하여 목적된 주파수 범위를 10Hz 미만으로 설정하고, 이를 위한 CAFB의 최적화 방법과 지진상황에서 CAFB의 지진응답성능을실험적으로 평가하였다. 이를 위해 본 논문에서는, 먼저 Kobe 지진파형을 이용하여 CAFB를 최적화하였고, 이를 자체 개발한 무선 IDAQ 시스템에 임베디드 하였다. 그리고, Kobe 지진파형을 이용하여 2경간 교량에 대한 지진응답실험을 수행하였다. 마지막으로 CAFB가 내장된 IDAQ 시스템을 이용하여 실시간으로 2경간 교량의 지진응답을 무선으로 획득하고, 획득된 압축신호는 원시신호와 상호 비교하였다. 실험의 결과로부터 압축신호는 원시신호와 대비하여 우수한 응답성능과 데이터 압축효과를 보였고, 또한 CAFB는 지진상황에서도 구조물의 유효한 구조응답을 효과적으로 압축센싱할 수 있었다. 최종적으로 본 논문에서는 목적된 주파수 범위(10Hz 미만)에 적합하도록 CAFB의 최적화 방법을 제시하였고, CAFB는 지진상황의 계측-모니터링을 위해 경제적이고 효율적인 데이터 압축센싱 기술임을 증명하였다.

• 한국컴퓨터정보학회논문지
• /
• 제26권11호
• /
• pp.21-31
• /
• 2021

최근 코로나(Covid-19)의 영향으로 스마트 헬스케어 관련 산업과 비대면 방식의 원격 진단을 통한 질환 분류 예측 연구의 필요성이 증가하고 있다. 일반적으로 호흡기 질환의 진단은 비용이 많이 들고 숙련된 의료 전문가를 필요로 하여 현실적으로 조기 진단 및 모니터링에 한계가 있다. 따라서, 간단하고 편리한 청진기로부터 수집된 호흡음을 딥러닝 기반 모델을 활용하여 높은 정확도로 분류하고 조기 진단이 필요하다. 본 연구에서는 청진을 통해 수집된 폐음 데이터를 이용하여 이상 호흡음 분류모델을 제안한다. 데이터 전처리로는 대역통과필터(BandPassFilter)방법론을 적용하고 로그 멜 스펙트로그램(Log-Mel Spectrogram)과 Mel Frequency Cepstral Coefficient(MFCC)을 이용하여 폐음의 특징적인 정보를 추출하였다. 추출된 폐음의 특징에 대해서 효과적으로 분류할 수 있는 병렬 합성곱 신경망 네트워크(Parallel CNN network)모델을 제안하고 다양한 머신러닝 분류기(Classifiers)와 결합한 스태킹 앙상블(Stacking Ensemble) 방법론을 이용하여 이상 호흡음을 높은 정확도로 분류하였다. 본 논문에서 제안한 방법은 96.9%의 정확도로 이상 호흡음을 분류하였으며, 기본모델의 결과 대비 정확도가 약 6.1% 향상되었다.