[의료기기산업/박형영 학생] 2026 한국뇌공학회 최우수 포스터상 수상
성균관대학교 삼성융합의과학원(SAIHST) 의료기기산업학과 박형영 학생이 2026 한국뇌공학회 하계학술대회 최우수 포스터상을 수상했다.
2026 한국뇌공학회 하계학술대회는 지난 7월 8일부터 7월 10일까지 제주 썬호텔에서 개최되었으며, 이번 학술대회에는 총 135명의 연구자와 학생, 산업계 및 유관 기관 관계자가 참석하여 총 63편의 논문이 발표되고 뇌공학 분야의 다채로운 연구 성과와 참신한 아이디어가 공유되었다.
총 10편의 연구가 우수포스터상에 선정되었으며, 이 가운데 성균관대학교 삼성융합의과학원 박형영 학생이 최우수 포스터상을 수상함으로써, 뇌공학 분야에서 뛰어난 연구 경쟁력을 입증했다.
◎ 박형영(의료기기산업학과 박사과정)
◎ 지도교수: 정지훈
◎ 발표 제목: Language-Independent Semantic Decoding Framework using Bilingual Speech Imagery EEG
박형영 학생은 정지훈 교수(의료기기 산업학과)의 지도로 언어에 구애받지 않고 인간의 생각(발화 상상)을 뇌파로 해독할 수 있는 차세대 딥러닝 프레임워크인 ‘Language-Independent Semantic Attention Network(LISA-Net)’을 개발하고 검증했다. 영어(ENG)와 한국어(KOR)로 구성된 문장 수준의 이중 언어 발화 상상 뇌파(Speech imagery EEG) 데이터셋을 자체 구축하고, 이를 기반으로 발화 상상 언어의 종류에 구애받지 않는 공통의 의미 범주를 성공적으로 해독했으며, 특히 LISA-Net은 영어 단일 환경에서 91.40%, 한국어 단일 환경에서 88.00%의 높은 정확도를 기록했을 뿐만 아니라, 두 언어가 혼합된 환경에서도 87.75%의 높은 해독 성능을 나타내어 언어에 종속되지 않는 뇌 신경 표상을 효과적으로 포착할 수 있음을 실험적으로 규명했다. 이번 연구를 통해 특정 언어의 음성학적 및 문법적 특성에 갇히지 않고, 인간이 가진 고차원적인 생각과 의도를 뇌파로 해독할 수 있는 원천 기술 발전 가능성을 확보했다.
이번 수상은 그간 많은 연구가 없었던 EEG 기반 다중 언어의 발화 상상 디코딩 분야에 딥러닝 프레임워크의 구현을 통해 새로운 해결법을 제시한 연구의 학술적 우수성을 인정받은 결과이다.
[의료기기산업/박형영 학생] 2026 한국뇌공학회 최우수 포스터상 수상
성균관대학교 삼성융합의과학원(SAIHST) 의료기기산업학과 박형영 학생이 2026 한국뇌공학회 하계학술대회 최우수 포스터상을 수상했다.
2026 한국뇌공학회 하계학술대회는 지난 7월 8일부터 7월 10일까지 제주 썬호텔에서 개최되었으며, 이번 학술대회에는 총 135명의 연구자와 학생, 산업계 및 유관 기관 관계자가 참석하여 총 63편의 논문이 발표되고 뇌공학 분야의 다채로운 연구 성과와 참신한 아이디어가 공유되었다.
총 10편의 연구가 우수포스터상에 선정되었으며, 이 가운데 성균관대학교 삼성융합의과학원 박형영 학생이 최우수 포스터상을 수상함으로써, 뇌공학 분야에서 뛰어난 연구 경쟁력을 입증했다.
◎ 박형영(의료기기산업학과 박사과정)
◎ 지도교수: 정지훈
◎ 발표 제목: Language-Independent Semantic Decoding Framework using Bilingual Speech Imagery EEG
박형영 학생은 정지훈 교수(의료기기 산업학과)의 지도로 언어에 구애받지 않고 인간의 생각(발화 상상)을 뇌파로 해독할 수 있는 차세대 딥러닝 프레임워크인 ‘Language-Independent Semantic Attention Network(LISA-Net)’을 개발하고 검증했다. 영어(ENG)와 한국어(KOR)로 구성된 문장 수준의 이중 언어 발화 상상 뇌파(Speech imagery EEG) 데이터셋을 자체 구축하고, 이를 기반으로 발화 상상 언어의 종류에 구애받지 않는 공통의 의미 범주를 성공적으로 해독했으며, 특히 LISA-Net은 영어 단일 환경에서 91.40%, 한국어 단일 환경에서 88.00%의 높은 정확도를 기록했을 뿐만 아니라, 두 언어가 혼합된 환경에서도 87.75%의 높은 해독 성능을 나타내어 언어에 종속되지 않는 뇌 신경 표상을 효과적으로 포착할 수 있음을 실험적으로 규명했다. 이번 연구를 통해 특정 언어의 음성학적 및 문법적 특성에 갇히지 않고, 인간이 가진 고차원적인 생각과 의도를 뇌파로 해독할 수 있는 원천 기술 발전 가능성을 확보했다.
이번 수상은 그간 많은 연구가 없었던 EEG 기반 다중 언어의 발화 상상 디코딩 분야에 딥러닝 프레임워크의 구현을 통해 새로운 해결법을 제시한 연구의 학술적 우수성을 인정받은 결과이다.