| IP개요 |
최근, 실시간으로 발작을 감지하여 경고, 기록, 또는 장치 내 치료를 수행할 수 있는 발작 감지 프로세서를 통합한 웨어러블 기기가 활발히 개발되고 있다. 그러나 약물처방, 수면패턴, 호르몬 등 다양한 요인에 따라 발작 신호는 시간에 따라 지속적으로 변화한다. 이러한 이유로 한 환자에 대해 시간에 따라 변화하는 발작 패턴에 적응하지 못하는 기존의 정적 모델 기반 접근 방식만으로는 높은 정확도를 지속적으로 유지하기 어렵다. 본 연구에서는 이러한 한계를 극복하기 위해, 실시간 학습과 추론이 기기 내에서 동시에 가능한 제로-샷 실시간 학습 (0-Shot Online Training) 기반의 발작 감지 및 유형식별 프로세서를 제안한다. 제안된 발작 감지 프로세서는 SAMSUNG 28nm LPP 공정으로 구현 및 제작 예정이며, 기존 시뮬레이션 결과 발작 여부(Binary Classification)에 대하여 민감도 94.49%, 특이도 92.83%의 높은 정확도를 달성하였다. 또한 발작유형 (Multi-Types)을 식별할 수 있도록 신경 매개변수를 최적화할 계획이다. 따라서 세계 최초의 실시간 학습 기반 발작유형 식별 시스템으로서 기존 최신 설계 대비 우수한 성능을 입증하고자 한다. |
