3학년

대학 R & D

비지도 기계학습을 이용한 뇌 영상 기반 자폐 스펙트럼 장애의 생물학적 특성 분석기술 개발

연구 목적

자폐 스펙트럼 장애(ASD)의 객관적 진단을 위한 뇌영상 기반 분석 기술 개발

핵심 방법론

• 모델: GCN-AE (Graph Convolutional Network + AutoEncoder)
• 데이터: fMRI 기반 뇌 연결성 분석 (12,720개 영상)
• 특징: 비지도 학습으로 라벨 없이 패턴 발견

주요 결과

• 분류 정확도: 94.2% 달성 (기존 방법 대비 향상)
• 핵심 발견: 전전두피질과 하두정소엽 영역에서 ASD 환자군의 특이적 뇌 연결성 패턴 확인
• BOLD 신호: ASD 환자에서 특별한 뇌 활성화 패턴 식별

의의

• 기존 주관적 진단 방식에서 객관적 뇌영상 기반 진단으로 전환 가능
• 조기 진단 및 개인별 맞춤형 치료 계획 수립에 활용 기대
• 비지도 학습을 통한 새로운 ASD 바이오마커 발굴

핵심 키워드: 자폐 스펙트럼 장애, fMRI, 비지도 학습, GCN-AE, 뇌 연결성

Capstone

언제볼까

프로젝트 목적

• 문제점: 동아리/모임에서 모든 인원이 참여 가능한 일정 조율의 어려움
• 기존 앱의 한계: 에브리타임은 군산대 전용이 아니어서 강의 변경사항 반영 불가
• 해결책: 대학 맞춤형 커뮤니티 앱 개발

사용 기술 스택

Frontend

• React (SPA 방식)
• Redux + Redux Saga (상태관리 & 비동기 처리)
• Styled Components (스타일링)
• React Router (라우팅)

Backend

• Node.js + Express (서버)
• MySQL → MariaDB (데이터베이스)
• JWT Token (인증)

배포 & 도구

• Netlify (프론트엔드 배포)
• Cloudtype (백엔드 + DB 배포)
• React DevTools (성능 측정)
• WRK (벤치마킹)

주요 기능

1. 인증 시스템

로그인/회원가입 → JWT 토큰 발급 → 토큰 기반 인증

2. 시간표 관리

• 강의명/강사명으로 강의 검색
• 시간표 작성 및 저장 (JSON 형태)
• 시간 중복 검사 및 경고

3. 미팅 시간 조율

• 학번으로 사용자 검색
• 시간표 대조하여 공통 가능 시간 자동 계산
• 시각적 시간표 비교

성능 최적화 결과

소량 데이터 렌더링

최적화 전: Render 18.9ms → 최적화 후: 14.4ms (23% 개선)

대량 데이터 렌더링 (10,000개)

최적화 전: Render 130.8ms → 최적화 후: 15.4ms (88% 개선!)

최적화 방법: 컴포넌트 분리 + 메모이제이션

개발 일정

4월

• 로그인/회원가입 페이지 구현
• 메인 페이지 및 라우팅 설정
• 시간표 등록 기능 개발
• 미팅 시간 조율 기능 구현

5월

• Redux 코드 리팩터링 (최신 방식 적용)
• Firebase → MySQL/Express 전환
• 사용자 피드백 시스템 추가
• 성능 테스트 및 최적화
• GitHub 협업 (Trunk base 방식)
• 자동 배포 환경 구축

해결한 주요 문제들

1. 교육망 서버 통신

• 포트포워딩으로 외부 접속 가능하게 설정
• MySQL 보안 설정 및 포트 변경 (3306 → 43306)

2. 데이터베이스 이슈

• MySQL → MariaDB 전환 (호스팅 제약)
• JSON 데이터 처리 방식 변경 (text 파싱)

3. 사용자 경험

• 데이터 로딩 중 피드백 제공
• 반응형 디자인 (모바일 지원)

향후 계획

단기 개선사항

• es-hangul 도입 (한글 초성 검색)
• 소셜 로그인 추가
• 사용자 정보 수정 페이지
• 게시판 기능

중기 개선사항

• Kakao Map API (미팅 장소 설정)
• Email.js/Kakao API (인증 시스템)
• Git Flow 방식 협업 전환

기술적 개선사항

• REST API 표준화
• JPA, Service Layer 도입
• TDD, 전역 Exception 처리
• WebFlux (반응형 프로그래밍)

프로젝트의 핵심 가치

1. 실용성: 실제 대학생 일정 조율 문제 해결
2. 기술 성장: 최신 웹 기술 스택 학습 및 적용
3. 협업 경험: GitHub 기반 팀 개발 프로세스
4. 성능 최적화: 88% 렌더링 성능 개선 달성

군산대학교 통합 커뮤니티 어플리케이션

프로젝트 개요

목적: 캡스톤 프로젝트 진행 시 모임 날짜 조율의 어려움을 해결하고, 학생들의 효율적인 소통과 정보 공유 지원

이전 버전 대비 주요 개선사항

1. 모바일 UI 개선

• 이전: Flexible하지 않아 UI가 깨지는 문제
• 개선: 모바일에서 자연스러운 반응형 UI 구현

2. 서버 프레임워크 전환

Node.js + Express → Koa

3. 서버 시스템 개선

• 이전: 웹 호스팅 의존
• 개선: 로컬 서버 + 2개 서버를 통한 안정적 호스팅

4. 협업 방식 개선

Trunk base → Git Flow 방식

사용 기술 스택

Backend: Koa, Jsonwebtoken, MySQL2, Bcrypt, Sequelize
Frontend: React, React-router, Redux, Axios, Styled-components
기타: Selenium (크롤링), Word Embedding

핵심 기능들

1. 맛집 추천 기능

• 크롤링: Selenium으로 에브리타임 시간표 + 요기요 리뷰 데이터 수집
• 단어 임베딩: 리뷰 데이터의 정형화 문제 해결
  • 수식어 제거, 한자-한글 조합 처리
  • 불용어 제거 (NLTK 대신 수동 처리)
  • JSON 직렬화 문제 해결

2. 게시물 작성 시스템

• Sequelize ORM 활용
  • SQL 직접 작성 없이 객체지향적 DB 조작
  • CRUD 작업 간편화
  • 개발 속도 향상 및 유지보수성 개선

3. 일정 조율 기능

• 기존 기능 유지 (시간표 비교를 통한 공통 가능 시간 계산)

4. 로그인/인증 시스템

• JWT 토큰 기반 인증

5. 시간표 관리

• 강의 검색 및 시간표 작성 기능

기술적 개선사항

Redux 아키텍처 리팩토링

Redux 데이터 흐름:

View → Actions → Middlewares(Redux-Saga) → Reducer → Store → View

주요 개선점: 1. Saga-Function 생성자 구현

createRequestActionTypes() // 타입 자동 생성
createRequestSaga() // 비동기 처리 표준화

1. 중복 Dispatch 문제 해결
   • 문제: 비동기 요청 중 동일 액션 중복 발생
   • 해결: Loading 상태 추가로 중복 요청 차단
   • 효과: 성능 개선 및 불필요한 서버 요청 제거

Redux Dev-Tools 활용

• 실시간 상태 변화 모니터링
• 액션 흐름 추적 및 디버깅

주요 성과

1. 아키텍처 개선

• 더 가벼운 Koa 프레임워크 도입
• Sequelize ORM으로 DB 작업 효율화
• Redux-Saga로 비동기 처리 체계화

2. 사용자 경험 개선

• 반응형 모바일 UI
• 맛집 추천 기능 추가
• 중복 요청 방지로 성능 향상

3. 개발 프로세스 개선

• Git Flow 방식으로 체계적 협업
• Redux Dev-Tools로 디버깅 효율성 증대

기술적 특징

1. 데이터 처리: 크롤링 + 단어 임베딩으로 지능적 맛집 추천
2. 상태 관리: Redux-Saga 미들웨어로 복잡한 비동기 로직 체계화
3. 성능 최적화: 중복 요청 방지 메커니즘 구현
4. 확장성: Sequelize ORM으로 DB 스키마 변경 유연성 확보

4학년

Capstone

Cargo Dum-E

프로젝트 개요

코로나 이후 물류 시장의 중요성이 대두되면서, 아마존과 알리바바에서 기계 사용이 인력 고용 대비 50% 비용 절감 효과를 보인다는 점에 착안하여 개발된 모빌리티 로봇과 로봇팔을 결합한 물류 이송 로봇입니다.

핵심 기술

• ROS2: 로봇 소프트웨어 모듈화 및 실시간 시스템 구현
• YOLO: 실시간 객체 검출 (4개 클래스: blackcat, greenorion, pocketmon, turtle)
• FCNN: 장애물 회피를 위한 방향 예측 모델

시스템 구성

모빌리티 부분

• 하드웨어: Jetson Xavier NX, RPLiDAR, Arduino Mega, 스텝 모터
• 기능: 라이다 기반 장애물 데이터 수집 및 회피 경로 계산
• 노드 구조: Serial Communication, Liar, Direction Predictor 노드

로봇팔 부분

• 하드웨어: RDK 3X, 아두이노, 서보 모터, 깊이 인식 카메라
• 기능: 실시간 객체 탐지 및 거리 측정을 통한 정밀 제어
• 특징: BPU 활용한 고속 추론, RX/TX 통신 기반 제어

주요 성과

• YOLO 성능: mAP50 약 0.8, 높은 Precision/Recall 달성
• 실시간 처리: 깊이 카메라 기반 객체-거리 측정 시스템 구현
• 통합 시스템: ROS2 기반 모듈식 설계로 확장성 확보

향후 계획

1. 성능 개선: FCNN → CNN 모델 교체, BPU 활용 추론 최적화
2. 데이터 확장: 광범위한 학습 데이터셋 수집 및 레이블 정확도 향상
3. 응용 분야: 물류 센터 자동화, 로봇 청소기, 교육용 로봇 등