김흥수 교수 연구팀, 전신 적외선 열화상 기반 AI 생물학적 연령 추정 및 열적 노화 편차 지표 산출 기술 개발

김흥수 교수 연구팀, 더 안전한 교통을 위한 AI 기반 운전자 상태 모니터링 및 위험도 추정 프레임워크 개발

박용화 교수 연구팀, 회전하는 스피커 어레이와 딥러닝을 이용한 개인 맞춤형 입체음향 전달함수 측정 기술 개발

2026.08.17

admin

Figure 1. Overview of the proposed ensemble learning framework for biological age prediction using whole-body infrared thermography.The proposed system integrates thermal image preprocessing, expert-guided ROI extraction, statistical and temperature-gradient feature extraction, multiple feature selection techniques, and a stacking ensemble model combining XGBoost, CatBoost, Gradient Boosting, LightGBM, Extra Trees, Random Forest, Support Vector Regression, and Multi-Layer Perceptron to estimate biological age and support personalized health and aging assessment.

동국대학교 김흥수 교수 연구팀(제1발명자: Hikmat Yar)은 전신 적외선 열화상 영상을 활용하여 개인의 생물학적 연령을 추정하고, 실제 연령과의 차이를 기반으로 열적 노화 편차 지표(Thermal Aging Deviation Index)를 산출하는 인공지능(AI) 기반 기술을 개발하였다. 본 발명은 비접촉식 적외선 열화상과 AI 분석 기술을 결합하여 개인의 열생리학적 노화 상태를 정량적으로 평가할 수 있는 새로운 방법 및 장치를 제안하며, 예방의학, 건강검진 및 웰니스 모니터링 분야에서 활용 가능한 원천기술로서 특허가 출원되었다.

연구팀은 전신 적외선 열화상 영상과 각 픽셀의 절대 피부 온도 정보를 통합하고, 이마, 목, 흉부, 복부, 손, 무릎 및 발 등 주요 해부학적 관심 영역(ROI)에서 통계적 온도 특징과 온도 기울기 특징을 추출하였다. 이후 Kendall's Tau 기반 특징 선택 기법을 통해 연령과 높은 상관성을 갖는 특징을 선별하고, XGBoost, LightGBM, CatBoost, Random Forest, Support Vector Regression(SVR) 등을 결합한 스태킹 앙상블 모델을 이용하여 생물학적 연령을 정확하게 추정하였다.

또한 추정된 생물학적 연령과 실제 연령 간의 편차를 기반으로 열적 노화 편차 지표를 생성하여 개인의 노화가 실제 연령보다 가속되었는지 또는 지연되었는지를 객관적으로 평가할 수 있도록 하였다. 아울러 설명가능한 인공지능(XAI) 기법을 적용하여 생물학적 연령 예측에 영향을 미치는 주요 열적 바이오마커를 식별함으로써 예측 결과의 해석 가능성과 신뢰성을 향상시켰다.

Figure 2. Comparative results of age prediction under different data configurations and train-test splits. (a) Performance on the original dataset using an 80:20 train-test split. (b) Performance on the modified dataset using an 80:20 train-test split. (c) Performance on the original dataset using a 90:10 train-test split. (d) Performance on the modified dataset using a 90:10 train-test split.

본 기술은 방사선 노출 없이 비접촉 방식으로 개인의 생물학적 노화 상태를 평가할 수 있으며, 건강검진, 대사질환 위험도 평가, 맞춤형 헬스케어, 웰니스 모니터링 및 디지털 헬스케어 서비스 등 다양한 의료·헬스케어 분야에서 활용될 것으로 기대된다.

김흥수 교수는 "본 발명은 전신 적외선 열화상과 인공지능 기반 생물학적 연령 추정을 결합하여 개인의 노화 상태를 정량적으로 분석할 수 있는 새로운 기술을 제안한 것으로, 향후 정밀의료와 디지털 헬스케어 분야에서 개인 맞춤형 건강관리 기술 발전에 크게 기여할 것으로 기대된다."고 밝혔다.

Professor Heung Soo Kim's Research Team Develops an AI-Based Thermal Aging Deviation Index Estimation Technology Using Whole-Body Infrared Thermography

The research team led by Professor Heung Soo Kim at Dongguk University (First Inventor: Hikmat Yar) has developed an artificial intelligence (AI)-based technology for estimating biological age and generating a Thermal Aging Deviation Index (TADI) using whole-body infrared thermographic images. The patented invention integrates non-contact infrared thermography with advanced AI algorithms to quantitatively assess an individual's thermal physiological aging status, providing a novel solution for preventive medicine, health screening, and wellness monitoring.

The proposed technology acquires whole-body infrared thermal images together with pixel-wise absolute skin temperature information and extracts statistical temperature descriptors and temperature gradient features from multiple anatomical regions of interest (ROIs), including the forehead, neck, chest, abdomen, hands, knees, and feet. A Kendall's Tau-based feature selection method identifies the most age-relevant thermal biomarkers, while a stacking ensemble model combining XGBoost, LightGBM, CatBoost, Random Forest, Support Vector Regression (SVR), and other machine learning models accurately estimates biological age.

Based on the difference between the estimated biological age and the subject's chronological age, the system generates a Thermal Aging Deviation Index that objectively determines whether thermal aging is accelerated or delayed. Furthermore, Explainable Artificial Intelligence (XAI) techniques are incorporated to identify the thermal biomarkers contributing most significantly to biological age estimation, thereby improving the interpretability and reliability of the prediction results.

The proposed invention enables quantitative, radiation-free, and non-contact assessment of biological aging and has broad potential applications in preventive healthcare, medical screening, metabolic risk assessment, personalized healthcare, wellness monitoring, and digital healthcare services.

Professor Heung Soo Kim stated, "This invention presents a novel AI-driven framework that combines whole-body infrared thermography with biological age estimation to objectively evaluate individual aging status. We expect this technology to contribute significantly to the advancement of precision medicine and personalized digital healthcare in the future."