이동희

일본 International Research Center for Neurointelligence (IRCN)에서 project academic specialist으로 일하고 있습니다. 현재 Yukie Nagai 교수님과 함께 예측 부호화 기반의 신경망과 ECG를 활용한 감정 인식 프로젝트를 진행 중입니다.

성균관대학교에서 의공학 석사 학위를 받았고, 우충완 교수님 연구실에서 fMRI 기반의 통증 예측 모델을 연구했습니다.

현재 계산 신경과학, 특히 베이지안 추론, 생성 모델, 전이 학습, 강화 학습에 관심을 두고 있습니다.

E-mail  /  CV  /  Scholar  /  Github  /  LinkedIn  /  Blog

연구

대표 논문에 강조 표시하였습니다.

이 연구는 문헌 분석과 벤치마크 테스트를 통해 뇌 영상 기반 통증 예측 모델을 만들 때 고려할 수 있는 다양한 목표와 선택지들을 종합적으로 검토합니다.

본 논문은 Hoeppli et al. (2022) 연구에 대한 논평 논문으로, 뇌 영상, 사회인구학적, 그리고 심리학적 자료를 통합한 다중 회귀 모델이 통증 자가 보고의 개인차를 예측할 수 있음을 확인했습니다. 또한, fMRI 데이터를 이용하여 이러한 차이와 관련된 뇌 영역을 규명했습니다.

이 연구는 입안의 통증을 느낄 때 뇌 기능 네트워크가 어떻게 동적으로 변화하는지를 탐구합니다. 이는 뇌의 여러 시스템 간의 상호작용이 어떻게 통증 경험을 만들어내고 조절하는지에 대한 새로운 통찰을 제공합니다.

이 연구는 통증을 처리하는 방식이 뇌의 영역마다 다르다는 것을 발견했습니다. 예를 들어, 복내측 전전두피질(vmPFC) 같은 일부 영역은 사람마다 그 반응 패턴의 차이가 매우 큰 반면, 체성감각운동피질(SMC) 같은 다른 영역들은 대부분의 사람에게서 일관된 패턴을 보였습니다.

프로젝트

이 프로젝트의 목표는 심장 검진 보조를 위한 심음 세그멘테이션 딥러닝 모델과 웹앱 서비스 개발입니다. PhysioNet Challenge에서 제공하는 청진기 소리 데이터를 가지고 U-Net++기반의 심음 (S1, S2) 세그멘테이션 딥러닝 모델을 개발하고 이를 웹앱 서비스에 배포했습니다. 오디오 데이터를 전처리하고 이를 스펙트로그램 형태의 이미지로 변환한 뒤 이미지 세그멘테이션 딥러닝 모델을 학습 및 성능 평가하는 과정을 거쳤습니다.

사용 기술: Python, Numpy, Librosa, torchaudio, OpenCV, Tensorflow, Keras, Google Cloud Platform

Thanks to Jon Barron for providing the template of this website.