2026년 7월 25일부터 31일까지 캐나다 토론토에서 개최된 EMBC 2026에 참가해 의료·생체신호 처리와 인공지능(AI) 기반 데이터 분석 분야의 최신 연구동향을 살펴보고 연구성과를 발표했다.
7월 26일에는 EMBC 2026 Workshop에 참석해 의료·생체신호 처리, AI 기반 데이터 분석, 멀티모달 학습 및 임상 적용과 관련된 최신 연구성과와 기술적 쟁점을 파악했다. 이어 7월 27일부터 29일까지 진행된 Poster Session과 Oral Session에서는 AI 기반 신호처리, 센서 데이터 분석, 도메인 편차 완화, 실환경 일반화, 멀티모달 융합 및 예측모델의 신뢰성 향상과 관련된 다양한 연구를 확인했다.
특히 포스터 발표 1건과 오랄 발표 1건을 진행해 연구의 목적과 방법론, 주요 결과 및 활용 가능성을 소개했다. 발표 이후에는 국내외 연구자들과 데이터 구성과 특징 추출, 모델 평가 및 일반화 가능성 등에 대해 의견을 교환하며 후속 연구 방향을 논의했다.
이번 학회에서는 센서별 데이터 특성과 기관·장비에 따른 도메인 편차, 외부 데이터 검증, 멀티모달 데이터 융합 및 강건한 AI 모델 구축 등에 대해서도 활발한 논의가 이뤄졌다. 특히 음향, 진동, 전류, 전압, 온도, 열화상 등 다양한 센서 데이터를 결합하는 멀티모달 융합 기술이 모빌리티 부품의 상태진단과 이상탐지 분야에서도 활용 가능성이 높다는 점을 확인했다.
또한 생체신호 분야에서 활용되는 특징 분석, 도메인 적응, 대조학습, 설명가능성 및 불확실성 평가 등의 방법론을 전동화 핵심부품의 상태진단과 고장 예측, 예지보전 및 충전 최적화 연구에 적용할 수 있는 가능성을 검토했다.
이번 학회 참가를 통해 단일 데이터셋에서의 높은 성능뿐만 아니라 실제 운용환경에서 발생하는 데이터 편차와 비정상적인 환경 변화에도 안정적으로 작동하는 AI 모델 개발의 중요성을 확인했다. 향후 학회에서 습득한 최신 연구방법론을 바탕으로 모빌리티 센서 데이터의 도메인 편차 분석과 멀티센서 융합모델 개발, 실환경 일반화 성능 검증 등을 추진할 계획이다.
포스터 및 오랄 발표는 계획된 일정에 따라 정상적으로 진행됐으며, 발표 이후 연구자들과 후속 연구 방향에 대한 의견을 교환했다. 또한 학회에서 수집한 연구자료와 최신 기술동향은 향후 연구과제 기획 및 논문 작성 등에 활용할 예정이다.