보유기술

기존 학업 성취도 예측 방식은 행동 데이터만으로 심리 상태 분석에 한계가 있었습니다. 본 기술은 사용자의 동공 데이터(동공 크기 변화량, 시선 고정 지속 시간)를 인지 부하 지표 변수로 측정하고, 문제 양식 및 과제 복합도에 따른 인지 부하 지표의 변화를 분석합니다. 이를 통해 학생의 심리 상태를 반영한 학업 성취도를 정확하게 예측하며, 개인의 학습 수준에 최적화된 맞춤형 교육 환경을 제공하여 학습 효과를 크게 향상시킬 수 있습니다.

기존 레이더 기술은 다중 인원 감지 시 고스트 및 가림 현상에 취약하며, 움직임 없는 사람 구분이 어려웠습니다. 본 기술은 복수의 임펄스 무선 초광대역(IR UWB) 레이더 센서를 활용하여 사람의 호흡 움직임을 감지하고, 각 개인의 호흡 패턴에 기반하여 다중 인원을 효과적으로 식별합니다. 레이더 신호 프레임에서 호흡 신호 패턴과 일치하는 1차원 영역을 겹치지 않게 산출하며, 이를 후방 투사하여 공간 내 사람의 수와 위치를 정밀하게 영상화합니다. 이 기술은 호흡 에너지를 기준으로 반복 처리되어 약한 호흡 신호까지 감지 가능하며, 기존 기술의 한계를 극복하고 신뢰성 높은 인체 감지 및 영상화 솔루션을 제공합니다.

기존 레이더 시스템은 노이즈 개입 시 객체 위치 추정 정확도가 저하되는 한계가 있었습니다. 본 기술은 이러한 문제를 해결하기 위해 클러터가 제거된 복수의 1차원 레이더 신호들을 취합하여 2차원 영상을 생성합니다. 이 2차원 영상으로부터 객체의 존재 유무를 판단하고 2차원 위치를 추정하며, 이동 경로를 추적합니다. 특히, 센서 특성을 반영한 목적 함수와 사전 정보를 활용한 정규화항 설계를 통해 노이즈에 강인한 고정확도 영상 복원을 가능하게 합니다. 다중 레이더 정보를 종합하여 객체 검출 및 좌표 추정의 정확도를 기존 대비 대폭 향상시켜, 차량 사고 예방 및 다양한 산업 분야의 객체 추적 시스템에 기여할 수 있습니다.

기존 메모리 오류 검출 방식은 정적 메모리(글로벌 변수, 로컬 변수, 스택 영역) 오류를 분석하기 어려웠고, 시스템 크래시 발생 시 원인 파악이 어려웠습니다. 본 기술은 애플리케이션 실행 전에 정적 메모리 정보를 추출하여 인포메이션 태그 저장부에 저장합니다. 이를 동적 메모리 정보와 결합하여 정적 및 동적 메모리의 결함을 모두 검출하며, 크래시 발생 시 커널의 시그널 핸들러를 교체하여 발생 시점의 메모리 정보와 콜 스택을 수집합니다. 이를 통해 메모리 오류 검출의 정확성을 크게 향상하고, 크래시 원인을 명확하게 파악하여 효율적인 프로그램 오류 수정과 시스템 안정성 확보가 가능합니다.

온라인 학습 환경에서 학습자와 학습 자료, 교수자 간의 복합적인 상호작용 정보를 파악하기 어려웠던 문제를 해결합니다. 본 기술은 학습자, 학습 자료, 교수자를 객체로 설정하여 이들 사이의 상호작용 정보를 수신하고, 사회연결망 분석(SNA)을 통해 상호작용의 방향성과 빈도를 결정합니다. 이렇게 분석된 상호작용은 시각화된 네트워크(노드와 링크) 형태로 대시보드를 통해 제공됩니다. 학습자는 노드별 중심도(내향, 외향, 매개)를 확인하고, 특정 기간 설정 및 필터링 기능으로 필요한 정보를 맞춤형으로 볼 수 있습니다. 이를 통해 학습자는 자신의 학습 과정을 객관적으로 인식하고 학습 전략을 효과적으로 개선하여 온라인 학습의 효율성을 높일 수 있습니다.

고해상도 비디오 콘텐츠 증가로 인한 처리 부담을 해결하기 위해, 본 기술은 머신러닝 기반 랜덤 포레스트를 활용한 인트라 예측 모드 영상 처리 방법을 제안합니다. 이진 결정 트리의 분할 함수를 이용하여 리프 노드를 탐색하고, 클래스를 통해 현재 블록의 인트라 예측 모드를 효율적으로 도출합니다. 인접 참조 샘플을 입력으로 사용하며, 분할 파라미터는 정보 이득을 최대화하도록 학습됩니다. 이를 통해 화면 내 예측 모드 시그널링에 필요한 비트 수를 크게 줄이고, 부호화 및 복호화 효율을 대폭 향상시킬 수 있습니다.

기존 영상 처리 방식은 화면 내 예측 모드 증가로 부호화 효율이 저하되는 문제가 있습니다. 본 기술은 해상도별 인트라 예측 모드 세트를 활용하고, 블록의 복잡도에 따라 적응적으로 예측 모드 세트를 결정하여 이러한 문제를 해결합니다. 특히, 픽셀 단위로 예측 모드 세트의 해상도를 조절하여 예측 정확도를 높이며, 동시에 예측 모드 시그널링에 필요한 비트를 절약합니다. 이로 인해 전체적인 영상 부호화 효율과 화질이 향상될 수 있습니다.

기존 레이더 재실 감지 기술은 호흡과 유사한 물체 움직임을 사람으로 오인하는 문제가 있었습니다. 본 기술은 펄스 레이더 신호를 시간-거리 영상으로 변환하고 길쌈 신경망(CNN)으로 처리하여 실내 인원의 생체 움직임을 정확하게 감지합니다. CNN의 활성화 맵 분석을 통해 1차원 타겟 영역을 산출하며, 복수 센서 사용 시 후방 투사 기법으로 2차원 타겟 영상을 생성하여 인원의 위치를 정밀하게 파악합니다. 이 기술은 오탐지 없이 실내 재실 인원을 효과적으로 검출하고 영상화하여, 보다 신뢰성 높고 간편한 재실 감지 솔루션을 제공합니다.

기존 암 탐지 방식은 미세한 세포 움직임을 감지하는 데 한계가 있고 비용 부담이 컸습니다. 본 기술은 액상 매질에서 움직이는 세포의 미세진동을 모션 마이크로스코프 기술로 포착하여 암세포를 탐지합니다. 특정 진동수 범위(0.1~1.5Hz)에서 증폭된 세포의 움직임 궤적을 분석하여 정상세포와 암세포를 구별하며, AI를 활용해 정확도를 더욱 높였습니다. 이 방법은 항체나 형광물질 없이도 저렴하게 암세포를 검출할 수 있어 MRI, X-ray 등 기존 진단 방식의 보조 자료로 활용되어 정확도를 높입니다. 또한, 암 재발 가능성 예측, 항암 치료 반응 모니터링 등 폭넓게 응용 가능하며, 휴대성이 좋고 비용이 저렴하여 보급 확대가 기대됩니다.

기존 사운드북의 한정된 콘텐츠와 추가 구매 필요성을 해결하기 위해 개발되었습니다. 이 기술은 동화책 음성 파일을 SD 카드에 저장하여 사용자가 원하는 콘텐츠를 자유롭게 교체할 수 있도록 합니다. 스마트 동화책 구연 장치는 SD 카드로부터 음성 파일을 재생하며, 사용자의 동화책 읽기 패턴과 재생 시간을 분석하여 개인별 맞춤형 동화책 콘텐츠를 추천합니다. 또한, SD 카드 식별 정보를 활용한 간편한 사용자 인증으로 저작권을 보호합니다. 본 시스템은 콘텐츠의 다양성을 크게 높이고, 비용 효율적인 학습 환경을 제공하며, 맞춤형 교육을 통해 아이들의 흥미와 학습 효과를 증진시킵니다.

기존 구강 엑스선 촬영은 환자에게 이물감을 주고 불필요한 방사선 노출을 증가시키며, 파노라마 촬영 장비는 고가이고 공간을 많이 차지하는 문제가 있었습니다. 본 기술은 구강 내부에 소형 튜브형 엑스선 발생부를, 외부에 대면적 엑스선 검출부를 배치합니다. 360도 방사형 엑스선 발생과 방사선량 조절 콜리메이터를 통해 단 한 번의 촬영으로도 넓은 범위의 선명한 치아 및 악골 영상을 얻을 수 있습니다. 유연한 지지대와 절연 처리된 전원 공급으로 안전성을 높였습니다. 이를 통해 환자의 이물감과 방사선 피폭을 최소화하고, 의료진에게는 정확하고 신속한 진단을 가능하게 하며, 장비의 비용과 공간 활용 효율성을 크게 개선할 수 있습니다.

조산은 신생아 사망률과 신경발달 문제를 높이는 심각한 문제입니다. 기존 조산 예측법은 민감도가 낮아 조기 진단에 한계가 있었습니다. 본 기술은 임신 중기 산모의 질액 시료에서 H-NMR 분석을 통해 아세톤, 에탄올, 메탄올 등 특정 알코올 대사체의 수준을 정량하여 34주 미만 조산을 예측합니다. 대조군 대비 대사체 수준이 높으면 조산 위험이 있음을 나타내며, 특히 자궁경부 길이 정보와 조합 시 예측 정확도가 80% 이상으로 크게 향상됩니다. 이 기술은 비침습적인 방법으로 조산을 조기에 진단하여 산모와 신생아의 건강을 지키고, 적절한 치료 결정을 돕는 데 기여할 수 있습니다. 기존 검사 비용 증가 없이 활용 가능하여 높은 시장성을 가집니다.