올해 KIMES에서는 미국시장을 스마트하게 뚫어내고 있는 회사를 위주로 볼 예정이다. https://kimes.kr/ko KIMES 2025 제40회 국제의료기기병원설비 전시회kimes.kr PREVIEW : FDA미국에서 의료기기로 분류된 제품은 FDA 등록(Listing), 510(k) 신고, 또는 허가(Approval) 절차를 거쳐야 한다. FDA는 제품의 제조업체가 정한 '의도된 사용(Intent)' 을 기준으로 의료기기 여부를 판단한다. 따라서 의료기기 여부는 제품 자체가 아니라, 사용 목적과 마케팅 방식에 따라 달라질 수 있다. "의도"라는 말은 애매하게 느껴질 수 있는데, 예를 들어 베개를 판다고 생각해 보자.A medical device is any instrument, apparatus,..

cGAN (conditional generative adversarial nets)은 2014년에 나온 꽤 고전적인 생성모델 논문이다. NeurIPS에 출판된 GAN 논문과 달리, cGAN은 GAN에 conditioning을 추가한 정도의 architecture로 따로 출판된 적은 없으며 arxiv preprint로만 있다. https://arxiv.org/abs/1411.1784 물론 RoCGAN 등 cGAN의 후속 연구는 좋은 학술지나 컨퍼런스에 많이 실렸다. Conditional Generative Adversarial NetsGenerative Adversarial Nets [8] were recently introduced as a novel way to train generative model..

BCI 기술은 최소한의 침습으로 최대한 정교한 데이터를 얻는 것이 목표이다. 사람에게 아무런 침습적인 수술/시술 없이 얻는 신호 데이터(EEG, EMG 등)는 현재까지는 "충분한" 신호를 얻을 수 없는 것으로 알려져 있다. (여기서 "충분한" 신호란, interpretable brain signal을 말한다.) 그래서 적당한 타협을 보아 최소 침습적인 방식이 많이 연구되고 있다. 경막(dura mater)를 관통하여 칩을 삽입하는 Elon Musk의 Neuralink가 침습적인 BCI를 지향한다면, Neuralink 의 co-founding했던 Michael Mager가 세운 Precision Neuroscience는 경막을 관통하지 않는 BCI를 지향한다. 이번 포스팅에서 소개할 Synchron이라는..

전통적인 GCN(https://cascade.tistory.com/134)은 시간적 요소가 포함되어 있지 않고, node와 edge 관계가 고정된 상태에서 사용한다. ST-GCN은 특정 시간에서의 graph 구조 (spatial graph)와 시간에 따라 변하는 graph 구조 (temporal graph)를 모두 모델에 반영할 수 있는 모델이다. 본 포스팅에서는 Stanford 컴퓨터공학과 및  의학과 공동연구로 S.Gadgil, Qingyu Zhao et al이 2021년 저술한 ST-GCN fMRI classification 논문인 "Spatio-Temporal Graph Convolution for Resting-State fMRI Analysis"을 리뷰할 것이다. 주요한 task : Age, ..

Elon Musk가 2019년 JMIR에 게재한 white paper인 "An Integrated Brain-Machine Interface Platform With Thousands of Channels"를 리뷰해 보려고 한다.  본 논문은 Neuralink의 고도화된 Brain-Machine Interface 플랫폼 개발 과정을 소개하며, 3072개의 전극을 포함한 초소형 전극과 이를 삽입하는 로봇, 그리고 데이터 수집 및 처리를 위한 시스템에 대해 다루고 있다. Introduction1. 기존의 clinical BMI는 다양한 방식으로 개발 시도되었다. 2. 256개의 전극을 가진 BMI 시스템만으로 컴퓨터 커서 조정, 로봇제어, 발화 형성이 가능한 것으로 알려져 있으며 이는 사람과 컴퓨터 간의 고..

전통적인 GCN(https://cascade.tistory.com/134) 은 고정된 adjacency matrix를 사용한다. 하지만 실제로는 그래프에서 노드 간의 관계는 가변적이다. (소셜 미디어를 예시로 들면, 새로 친구를 맺거나 친구를 끊는 이용자들이 있다). GCN에서 이러한 요소를 개선하려는 시도는 많이 있어왔는데, 대부분의 경우 계산량이 많은 행렬연산 (inversion 등)을 동반한다. ICLR 2018에 등장한 GAT (Graph Attention Networks)는 attention을 이용하여 이러한 가변적인 그래프 연결관계를 적절한 계산량으로 잘 모델링한다. GAT의 동작과 수식GAT는 가변적인 엣지를 attention vector를 통해 모델링한다. 한 번의 업데이트에는 아래 세 가..