Progressive Expansion of Biosignal Foundation Models with Federated LearningBased Distributed Generalization
개인기초연구(과기정통부)(R&D) · 우수연구-핵심연구(기본연구A)
2026년
2710115065
과학기술정보통신부
한국연구재단
국립한밭대학교
우성필
1명
2026.09.01 ~ 2027.08.31
2026.09.01 ~ 2030.08.31
4,545만원
4,545만원
기초연구
대학
대전광역시 유성구
정보/통신 > 정보이론 > 인공지능
본 연구의 최종 목표는 고이질성 생체신호 환경에서도 일반화 가능한 범용 생체신호 파운데이션 모델을 구축하고, 표현공간 정렬 기반 분산 일반화 원천기술을 확립하는 데 있음. 이를 위해 ECG, EEG 등 서로 다른 생리적 기원과 측정 구조를 갖는 생체신호를 하나의 표현체계로 통합할 수 있는 약 100M 규모의 생체신호 특화 파운데이션 모델을 설계하고, 자기지...
본 연구는 단일모달 표현학습, 시공간 확장, 멀티모달 통합, 분산 환경 일반화로 이어지는 단계적 누적 확장 구조로 추진됨.(1차년도) ECG 파운데이션 모델 구축: 다양한 환경에서 수집된 ECG의 개인차, 디바이스 구성, 측정 조건 이질성을 흡수할 수 있는 심전도 전용 파운데이션 모델을 구축함. 마스킹, 대조, 예측 기반 자기지도 사전학습 구조와 리듬 분류...
(활용계획) 본 연구에서 개발되는 생체신호 파운데이션 모델은 다기관, 이기종 디바이스 환경에서도 일관된 표현을 학습할 수 있어, 병원 간 데이터 공유 없이도 ECG, EEG 기반 진단 보조 모델을 지속적으로 고도화할 수 있는 연합학습 기반 임상 적용 인공지능으로 활용 가능함. 또한 ECG, EEG, PPG 등 멀티모달 생체신호 통합 해석을 통해 심장 이상 ...