부산대학교 도서관

The COVID-19 virus, first discovered in 2020, is a type of respiratory disease that is mainly spread through droplets from an infected person, such as coughing, sneezing, or saliva. Some people infected with the coronavirus are classified as asymptomatic, and no warning symptoms can be found even through CT scans, which poses a problem in terms of rapid quarantine response. As a result, three years later, the coronavirus has not yet ended in a worldwide pandemic, and various variants such as Delta, Omicron, and Centaur are occurring. Accordingly, there is a need for a diagnostic system that is more rapid, precise, and applicable to various diseases.In this study, a platform was designed to detect SARS-COV-2 using a microfluidic LOC (Lab-On-a-Chip) device and connected to a WLAN environment with stable communication speed. Through machine learning, the YOLOv5 algorithm model was learned and recognized in four states of microfluidics. Through program design, the actuator was automatically controlled according to the recognition results of the four states of microfluidics, and the ELISA diagnostic process was performed stably. In this process, image processing was performed using a cloud server, and the system was designed to control multiple disease diagnosis IoD platforms simultaneously.Through this, high-performance artificial intelligence models were applied to low-end embedded computers and the efficiency of building a disease diagnosis system was increased. In addition, through an automated process, precise virus diagnosis can be performed without accurate knowledge.Keywords : Lab-On-a-Chip (LOC), Microfluidics, Artificial Intelligence, Cloud computing, ELISA, Internet-of-Disease
지난 2020년 처음 발견된 COVID 19 바이러스는, 호흡기 질환의 일종으로, 주로 기침, 재채기, 침 등 감염자의 비말에 의해 전파된다. 코로나 바이러스에 감염된 사람중 일부는 무증상자로 분류되며, CT검사 등을 통해서도 별다른 전조증상을 찾을 수 없어 신속한 방역 대응 측면에서 문제가 되고 있다. 그 결과, 코로나 바이러스는 3년이 지난 현재 전세계적으로 대유행(판데믹)을 거쳐 아직까지 종식되지 않았고 델타, 오미크론, 켄타우로스 등과 같은 다양한 변이종이 발생하고 있다. 이에 따라, 보다 신속하고 정밀하며 다양한 질병에 적용이 가능한 진단시스템의 필요성이 요구되고 있다.본 연구에서는, 미세유체 LOC(Lab-On-a-Chip) 장치를 사용하여 SARS-COV-2를 검출하도록 플랫폼을 설계하고 이를 안정된 통신속도를 지닌 WLAN환경에 연결하였다. 머신러닝을 통해서 YOLOv5 알고리즘 모델을 학습하고 미세 유체의 4가지 상태를 인식하도록 하였다. 프로그램 설계를 통해서 미세유체의 4가지 상태 인식 결과에 따라서 액추에이터를 자동으로 제어, 안정적으로 ELISA 진단 과정을 수행하였다. 이 과정에서 클라우드 서버를 사용하여 이미지처리를 진행, 여러대의 질병인터넷(IoD, Internet of Disease) 플랫폼을 동시에 제어하도록 시스템을 설계하였다. 이를 통해서 고성능의 인공지능 모델을 저사양의 임베디드 컴퓨터에 적용하고, 질병진단 시스템 구축의 효율성을 높였다. 또한 자동화 과정을 통해서 정확한 지식이 없이도 정확한 바이러스 정밀 진단을 수행토록 하였다.키워드 : 랩온어칩(LOC, Lab-On-a-Chip), 미세유체, 인공지능, 클라우드 컴퓨팅, ELISA, 질병인터넷, 현장진단