BROWSE
Detail
Conference Paper
시뮬레이션 기반 딥러닝을 활용한 NIRS 신호로부터 목표 조직층 산소 포화도 추정
Cited - time in 
Share 
Share
- Issue Date
- 2026-06
- Citation
- 경영정보관련 학회 통합학술대회 (춘계) 2026, pp.645-647
- Publisher
- 한국경영정보학회/한국빅데이터학회/한국인터넷전자상거래학회/한국정보시스템학회/한국지식경영학회
- Language
- Korean
- Type
- Conference Paper
- Abstract
- 본 연구는 근적외선 분광법(near-infrared spectroscopy, NIRS) 신호로부터 특정 조직층의 산소 포화도를 추정하기 위한 시뮬레이션 기반 딥러닝 방법을 제안한다. NIRS 신호는 다층 조직을 통과하면서 혼합되는 특성으로 인해 특정 깊이의 산소 포화도를 분리하는 문제가 ill-posed inverse problem에 해당한다. 이를 해결하기 위해 몬테카를로 시뮬레이션을 활용하여 조직 두께 및 산소 포화도를 다양하게 변화시킨 대규모 합성 데이터를 생성하였다. 생성된 데이터를 기반으로 1차원 합성곱 신경망(one-dimensional convolutional neural network, 1D-CNN)을 학습시켜 광학 신호와 생리학적 파라미터 간의 비선형 관계를 모델링하였다. 실험 결과, 제안된 모델은 다양한 조건에서도 안정적인 예측 성능을 보였으며, 신호 혼합 문제에 대한 강건성을 확인하였다. 본 연구는 비침습적 조직 기능 분석 및 NIRS 기반 실시간 임상 모니터링 시스템 개발에 활용될 수 있을 것으로 기대된다.
- Keyword
- Tissue oxygen saturation, Monte Carlo simulation, CNN regression, NIRS, multi-layer tissue model, deep learning