Water, which is the largest component of the human body, is used as a biomarker to diagnose health conditions and diseases. In particular, skin can be used not only for diseases but also for research and industry of skin care. In order to measure skin moisture, near-infrared spectroscopy using the property that near-infrared ray penetrates the human body well can be used. However, the conventional algorithm for extracting optical properties have limitations in skin measurement. In this study, to solve this problem, high-resolution light intensity information was collected from the skin using a CMOS image sensor. In addition, an artificial neural network model is developed that predicts skin optic properties by replacing conventional algorithms. In order to verify the reliability of the system designed in this study, artificial neural network learning results, solid phantom experiment, and liquid phantom experiment were performed. As a result, the artificial neural network model predicted optical properties better than the conventional algorithm.
인간의 몸을 구성하는 성분 중 가장 큰 비중을 차지하는 물은 건강상태나 질병을 진단하는데 바이오마커로 이용되고 있다. 특히 피부의 경우 질병뿐 아니라 피부 미용의 연구나 산업에 활용할 수 있다. 피부 수분 측정을 위하여 근적외선이 인체를 잘 투과한다는 성질을 이용한 근적외선 분광법을 사용할 수 있다. 그러나 기존의 거리에 따른 빛의 세기를 이용하여 광학 성질을 추출하는 알고리즘은 여러 한계점으로 인해 피부를 측정하는데 한계가 있다. 본 연구에서는 이를 해결하기 위해 CMOS Image Sensor를 이용하여 피부에서 고해상도 빛 세기 정보를 수집하였다. 그리고 짧은 거리에서 유효하지 않던 기존 알고리즘을 대체해 피부 광학 성질을 예측하는 인공신경망 모델을 구축해 스스로 학습하게 하였다. 본 연구에서 고안된 시스템의 신뢰성을 검증하기 위하여 인공신경망 학습 결과, 고체 팬텀 실험, 액체 팬텀 실험을 진행하였다. 그 결과 인공신경망 모델이 이전 알고리즘보다 더 우수하게 광학 성질을 예측하였다.
