HY-KIST Neuro-Hear Lab
Hanyang University
Korea Institute of Science and Technology
Embedded Files
About US
HY-KIST Neuro-Ear Lab은 청각 신경과학(Auditory Neuroscience)을 기반으로, 뇌파 분석 및 인공지능 기술을 융합한 차세대 청각 인터페이스 및 치료 기술을 연구합니다.
본 연구실은 청각 신경과학을 기반으로, Auditory Brain Interface (청각 뇌-컴퓨터 인터페이스) 기술을 개발하는 융합 연구실입니다. 청각 자극에 대한 뇌파(EEG)를 실시간으로 측정하고, 이를 인공지능(AI) 기반의 기계학습 및 딥러닝 알고리즘을 통해 정밀하게 분석함으로써, 인간의 청각 인지 과정과 주의 집중 메커니즘을 과학적으로 규명하고 있습니다.
핵심 연구 중 하나는 Auditory Attention Detection System의 구축입니다. 이는 여러 소리 자극 중 사용자가 어떤 소리에 집중하고 있는지를 뇌파를 통해 실시간으로 탐지하는 기술로, 향후 청각 재활 훈련 플랫폼 및 차세대 보청기와의 융합을 통해 임상적 활용 가능성을 넓혀가고 있습니다.
또한, 이명과 난청과 같은 청각 질환을 신경과학적 관점에서 정량화하고 객관적으로 평가할 수 있는 시스템을 개발하고 있으며, 이를 통해 보다 정밀한 진단과 맞춤형 치료를 가능하게 하고자 합니다.
아울러, 보건의료 빅데이터 기반의 분석 연구를 통해 이과 질환의 역학적 이해를 확장하고 있으며, 인공지능 기술을 접목한 진단 및 예후 예측 모델, 진단기기 개발에도 활발히 참여하고 있습니다.
Auditory Attention Decoder
이분 청취 실험(dichotic listneing)환경에서 실시간으로 동작하는 청각 주목 디코더(Auditory Attnetion Decoder)를 개발하고, 저비용의 상용 EEG 시스템 (Open BCI)을 활용하여 뇌파 기반의 청각 주의 (Auditory Attention)상태를 실시간으로 감지하는 시스템을 개발 하고 검증 하였습니다.
Development of a Deep Learning-Based Prognostic Model for Sudden Sensorineural Hearing Loss (SSNHL)
본 연구실은 돌발성 감각신경성 난청(SSNHL) 환자의 청력 회복 여부를 예측할 수 있는 딥러닝 기반 AI 모델을 개발하였습니다. 임상 데이터를 기반으로 초기 청력, 연령, 치료 시점 등 주요 변수들을 분석하여 개별 환자의 예후를 정량적으로 예측할 수 있으며, 이를 통해 임상 진료에서 예후 안내 및 치료 결정 지원에 활용될 수 있습니다.
Multimodal AI-Based Diagnostic Platform for Otitis Media Using Otoscopic Images
고막 영상을 기반으로 급성, 삼출성, 만성 중이염을 자동으로 분류하는 AI 기반 진단 시스템을 구축하였습니다. 딥러닝 기술을 활용해 고막 이미지를 분석하고, 환자 정보와 결합하여 높은 정확도의 진단을 구현하였으며, 임상 진단 보조 및 스마트 이경 연계 등 다양한 응용 가능성을 갖고 있습니다.
Page updated
Report abuse