모바일 기반 신생아 뇌파 해석 및 의사결정 지원 시스템

초록

본 논문은 저비용·저전력 단일채널 건조 전극 EEG 장치를 활용해 안드로이드 태블릿에서 실시간 시각화, 트래픽‑라이트 기반 발작 경보, 그리고 청각적 소니피케이션을 제공하는 통합 시스템을 설계·구현한다. 딥 컨볼루션 신경망(CNN)으로 발작을 자동 검출하고, 두 가지 소리 변환 기법(Phase Vocoder, FM/AM)으로 비전문가도 뇌파 변화를 청각적으로 인식하도록 돕는다. 전력 소모, CPU·RAM 사용량, 그리고 임상 정확도를 정량적으로 평가한다.

상세 분석

이 연구는 신생아 중환자실(NICU)에서 EEG 해석 인력을 확대하려는 실용적 목표를 갖고 있다. 하드웨어 측면에서 저가형 OpenBCI Ganglion 보드를 €200 수준으로 구현하고, 건조 전극을 사용해 피부 전처리 과정을 크게 단축한다. 4채널·24비트·200 Hz 샘플링이 가능하나 실제 구현에서는 단일채널만 사용해 이동성을 높였다. BLE 통신을 채택해 전력 소모를 10배 낮추었으며, 대기 전류 14.2 mA, 스트리밍 전류 15.5 mA를 기록해 2000 mAh 배터리로 약 130시간 연속 사용이 가능함을 입증한다.

소프트웨어는 안드로이드 기반 앱으로, 실시간 파싱·저장·시각화와 동시에 고·저역통과 필터와 50 Hz 노치필터를 제공한다. 화면 스케일링은 IFCN 권고에 맞춰 1 s당 30 mm, 채널당 10 mm로 설계돼, 최소 120 point/s 해상도를 보장한다. CPU 사용량은 시각화 단계에서 약 44 %에 달하지만, 전체 앱 평균은 95 % 이하로 최적화 가능성을 시사한다.

AI 모듈은 기존 연구에서 개발된 CNN을 그대로 적용했으며, 6층·11층 두 가지 깊이의 모델을 비교한다. 11층 모델은 AUC 97.7 %와 GDR 83.2 %를 달성해 6층 대비 5 % 이상 성능 향상을 보였지만, 전력 소모가 7.9 mAh 증가하고 배터리 수명이 약 19 분 짧아지는 트레이드오프가 존재한다. 처리 지연은 6층이 115 ms, 11층이 283 ms로, 실시간 요구사항을 충족한다.

청각적 소니피케이션은 두 가지 접근법을 제시한다. Phase Vocoder는 EEG의 0.5‑16 Hz 대역을 500‑16 kHz 음역으로 매핑해 스펙트럼 구조를 보존하면서 시간 압축을 가능하게 한다. FM/AM 방식은 500 Hz 캐리어에 EEG 진폭을 주파수 변조하고, 진폭 변조(AM)로 EEG의 리듬 정보를 전달한다. 두 방법 모두 1×, 5×, 10× 속도 변환을 시험했으며, 비전문가 설문에서 FM/AM x10이 76 %의 최고 정확도를 기록했다. 이는 청각적 인지가 시각적 해석보다 일관성이 높음을 시사한다.

전체적으로 시스템은 저비용·저전력 하드웨어와 모바일 소프트웨어, AI·청각 융합을 통해 신생아 EEG 모니터링을 민주화하려는 시도를 성공적으로 보여준다. 다만, 단일채널에 의존함으로써 다채널 aEEG와 비교했을 때 공간적 정보 손실이 발생할 수 있고, CPU·RAM 사용량이 여전히 높아 저사양 기기에서의 적용 가능성이 제한된다. 향후 다채널 확장, 모델 경량화, 사용자 인터페이스 최적화가 필요하다.