이호현(Georgia Institute of Technology) | 전임상 데이터로 학습한 머신 러닝 모델의 초음파 안전제어 프레임워크 [Adv. Sci.] | 웨비나

학술웨비나 개최완료

전임상 데이터로 학습한 머신 러닝 모델의 초음파 안전제어 프레임워크 [Adv. Sci.]

조회884

2026년 04월 01일 (수) 오전 10시
이호현(Georgia Institute of Technology)

개요

							마이크로버블을 이용한 초음파 치료는 국소적이고 비침습적이지만, 치료 효과를 극대화하기 위해서는 안전 한계에 (safety threshold) 가깝게 운용해야합니다. 하지만 이 경우 조직 손상 위험이 증가합니다. 또한 현재의 반응형 (reactive) 제어 방식으로는 위험을 최소화하는데에 한계가 있습니다. 본 세미나에서는 전임상 Acoustic Emission 데이터를 기반으로 마이크로버블 instability를 예측하는 모델 학습과 이를 적용한 적응형 (proactive) 제어 프레임워크, 그에 따른 therapeutic window의 로 인한 효과적인 nanoparticle delivery, liquid biopsy를 소개합니다.