과학적 근거
실험실에서 검증되었습니다. 광고 문구에 그치지 않습니다.
이 스캐너는 rPPG(원격 광혈류측정법)를 기반으로 구축되었으며, AI, 컴퓨터 비전, 머신러닝 모델이 기기의 Neural Engine에서 구동되어 일반 영상을 생체 신호로 변환합니다. 이 기술은 대학 레이저 연구소에서 처음 발견되어 MIT에서 고도화되었으며, 전 세계 병원 환자를 대상으로 검증되었습니다. 아래에 실제 연구 자료와 수치를 공개하였으니 직접 확인하실 수 있습니다.
기술의 출발점
세계 최고 연구소에서 탄생했습니다.
UC Irvine, Beckman Laser Institute
2008년, 일반 카메라로 멀리서도 피부의 맥박을 읽을 수 있다는 사실을 발견했습니다.
MIT Media Lab
이 발견을 웹캠 기반 심박수, 호흡수, HRV 측정으로 발전시켜 의료 센서 대비 검증을 완료했습니다.
University of Oxford
중환자실 및 신생아 병동의 실제 환자를 대상으로 카메라 바이탈 측정의 유효성을 입증했습니다.
Philips Research & TU Eindhoven
움직임에 강인한 CHROM 및 POS 알고리즘을 개발하여 움직임 중에도 측정 정확도를 유지합니다.
Microsoft Research
카메라 측정 정확도를 전용 센서 수준으로 끌어올리는 딥러닝 모델을 선도적으로 개발했습니다.
Tsinghua, Oulu, USTB, HKUST
매년 새로운 정확도 기록을 달성하는 트랜스포머 및 상태 공간 모델을 현재도 발전시키고 있습니다.
rPPG란 무엇인가요?
맥박이 피부색을 변화시킵니다.
심장이 뛸 때마다 혈액의 파동이 피부 바로 아래 혈관을 통해 흐릅니다. 이 혈액은 녹색 빛을 조금 더 흡수하기 때문에, 박동마다 피부색이 육안으로는 감지할 수 없을 만큼 미세하게 어두워졌다 밝아집니다.
육안으로는 보이지 않지만, 카메라는 포착할 수 있고 AI는 이를 판독할 수 있습니다. 광혈류측정법(PPG)은 병원 손가락 클립 센서나 스마트워치의 맥박 센서에 사용되는 것과 동일한 광학 방식입니다. 원격 PPG는 접촉 없이 거리를 두고, 얼굴 영상만으로 이를 측정합니다.
혈액량 맥파
AI는 단일 얼굴 영상에서 이 파형을 복원하고, 이를 통해 수십 가지 생체 신호를 도출합니다.
스캔 작동 원리
카메라에서 바이오마커까지.
캡처
전면 RGB 카메라가 고프레임 속도로 얼굴 피부색의 미묘한 변화를 기록하며, 주변광 센서가 노출을 정규화합니다.
추적
컴퓨터 비전이 적외선 깊이 감지의 도움을 받아 수백 개의 얼굴 랜드마크를 추적하고, 깨끗한 피부 영역을 분리하며 움직임과 조명 노이즈를 제거합니다.
추출
신호 처리 및 머신러닝 모델이 원시 색상 추적 데이터에서 혈액량 맥박(BVP 파형)을 복원합니다.
측정
기기의 뉴럴 엔진에 탑재된 AI 모델이 맥박의 피크와 리듬을 분석하여 심박수, HRV, 호흡수 등을 산출합니다.
근거 자료
공개된 연구 결과.
유형별로 분류되고 신뢰도 수준이 표시되어 있습니다. 심박수, HRV, 호흡수는 충분히 검증되었습니다. SpO2는 검증이 진행 중이며, 혈압은 실험 단계입니다. 모든 카드는 출처 논문으로 연결됩니다.
기초 및 최신 연구
2008년 최초 발견부터 오늘날의 트랜스포머 및 상태 공간 모델까지. 이 분야는 매년 발전을 거듭하고 있습니다.
임상 검증
2024년부터 2026년까지의 연구를 포함하여, 병원·중환자실·원격의료·클리닉에서 실제 환자를 대상으로 검증되었습니다.
리뷰, 메타분석 및 벤치마크
다수의 연구를 종합·평가한 최고 수준의 근거 자료로, 공개 벤치마크 및 공정성 감사를 포함합니다.
규제 기관 승인
FDA 승인을 받은 실제 제품.
카메라 기반 활력징후 측정은 학술 연구에 그치지 않습니다. 규제 기관은 맥박수 및 호흡수 측정을 위한 상용 rPPG 기기를 승인하였습니다.
한계에 대한 솔직한 안내
- 얼굴 스캔 생체 신호는 추세를 추적하기 위한 웰니스 도구입니다. 진단이 아니며, 전문적인 의료 서비스를 대체하지 않습니다.
- 정확도는 심박수, HRV, 호흡수에서 가장 높습니다. 혈중 산소는 발전 중이며, 혈압은 실험적 단계입니다.
- 조명, 움직임, 카메라 품질이 측정 결과에 영향을 줍니다. 밝고 균일한 조명 아래에서 움직임 없이 측정하면 가장 정확한 수치를 얻을 수 있습니다.
- 혈당, 콜레스테롤 또는 혈액 성분을 임상적 사실로 측정한다고 주장하지 않습니다. 과학적 근거가 초기 단계인 항목은 '발전 중'으로 표시됩니다.
참고 문헌
- 1.Verkruysse, Svaasand & Nelson (2008). Remote plethysmographic imaging using ambient light. Optics Express 16(26). Beckman Laser Institute, UC Irvine. 링크
- 2.Poh, McDuff & Picard (2010). Non contact, automated cardiac pulse measurements using video imaging and blind source separation. Optics Express 18(10). MIT Media Lab. 링크
- 3.Poh, McDuff & Picard (2011). Advancements in noncontact, multiparameter physiological measurements using a webcam. IEEE Trans. Biomedical Engineering 58(1). MIT Media Lab. 링크
- 4.de Haan & Jeanne (2013). Robust pulse rate from chrominance based rPPG. IEEE Trans. Biomedical Engineering 60(10). Philips Research & TU Eindhoven. 링크
- 5.Wang, den Brinker, Stuijk & de Haan (2017). Algorithmic principles of remote PPG. IEEE Trans. Biomedical Engineering 64(7). Philips Research & TU Eindhoven. 링크
- 6.Chen & McDuff (2018). DeepPhys: video based physiological measurement using convolutional attention networks. ECCV 2018. Microsoft Research & MIT Media Lab. 링크
- 7.Zitong Yu et al. (2022). PhysFormer: facial video based physiological measurement with temporal difference transformer. CVPR 2022 / Int. Journal of Computer Vision 2023. Tsinghua University & University of Oxford. 링크
- 8.Zhaodong Sun & Xiaobai Li (2024). Contrast-Phys+: unsupervised and weakly supervised remote physiological measurement via spatiotemporal contrast. IEEE Trans. Pattern Analysis and Machine Intelligence (TPAMI). University of Oulu. 링크
- 9.Zou, Guo, Hu & Ma (2024). RhythmMamba: fast, lightweight, and accurate remote physiological measurement. arXiv (cs.CV). University of Science and Technology Beijing. 링크
- 10.Zhang, Lu, Liu, Chen & Wu (2024). Advancing generalizable remote physiological measurement through explicit and implicit prior knowledge. arXiv (cs.CV). HKUST (Guangzhou). 링크
- 11.Sensors (2020). Feasibility of assessing ultra short term pulse rate variability from video recordings. Sensors / PMC. Peer reviewed validation (Sensors). 링크
- 12.Villarroel, Jorge, Tarassenko et al. (2019). Non contact physiological monitoring of preterm infants in the neonatal intensive care unit. npj Digital Medicine 2:128. University of Oxford & John Radcliffe Hospital. 링크
- 13.Jorge, Villarroel, Tarassenko et al. (2022). Non contact physiological monitoring of post operative patients in the intensive care unit. npj Digital Medicine 5:4. University of Oxford, Institute of Biomedical Engineering. 링크
- 14.Sun, Yang, Wu et al. (2022). Contactless facial video recording with deep learning for the detection of atrial fibrillation. Scientific Reports 12:281. National Yang Ming Chiao Tung University & partner hospitals. 링크
- 15.Frontiers in Physiology (2022). Remote photoplethysmography is an accurate method to remotely measure respiratory rate. Frontiers in Physiology. Hospital based trial (963 patients). 링크
- 16.Chin, Chan et al. (2026). Clinical validation of rPPG enabled contactless pulse rate monitoring in cardiovascular disease patients. Bioengineering (MDPI). PanopticAI & Prince of Wales Hospital / CUHK. 링크
- 17.Khan et al. (2026). Seconds matter: rapid non contact monitoring of heart and respiratory rate from face videos. Sensors (MDPI). University of Gothenburg & Detectivio. 링크
- 18.Estevez et al. (2025). Continuous non contact vital sign monitoring of neonates in intensive care using RGB-D cameras. Scientific Reports (Nature). University of Cambridge & Rosie Hospital NHS. 링크
- 19.Woelk et al. (2026). Advancing rPPG to facilitate cardiac monitoring in naturalistic settings using webcam technology. Behavior Research Methods (Springer). University College London. 링크
- 20.Garvin et al. (2024). Exploring contactless vital signs collection in video telehealth visits. JMIR Formative Research. Veterans Affairs Boston Healthcare System. 링크
- 21.Pstras et al. (2025). Estimating heart rate variability using facial video photoplethysmography: a pilot validation. medRxiv preprint. Polish Academy of Sciences & Wroclaw Medical University. 링크
- 22.Zuccotti et al. (2025). Accuracy of heart rate, oxygen saturation and blood pressure using a non contact PPG mobile app. Digital Health (SAGE). University of Milano & Buzzi Children's Hospital. 링크
- 23.Bioengineering (MDPI) (2024). Contactless blood oxygen saturation estimation from facial videos using deep learning. Bioengineering 11(3):251. Imaging pulse oximetry study (Bioengineering). 링크
- 24.Srestha et al. (2026). A hybrid CNN spectral architecture for non contact respiratory rate estimation. PLoS One. Yeungnam University. 링크
- 25.Fontes et al. (2024). Enhancing stress detection through rPPG analysis and deep learning. Sensors (MDPI). Nottingham Trent University. 링크
- 26.Kapoor, Holman & Cohen (2024). Contactless and calibration free blood pressure and pulse rate monitor for hypertension screening. JMIR Cardio. Lifelight (Mind over Matter Medtech) & Element Materials. 링크
- 27.Park & Hong (2024). Robust blood pressure measurement from facial videos in diverse environments. Heliyon (Cell Press). Sungkyunkwan University. 링크
- 28.Bautista et al. (2023). Clinical applications of contactless photoplethysmography for monitoring in adults. Journal of Clinical and Translational Science. University of Leeds. 링크
- 29.npj Digital Medicine (2023). Challenges and prospects of visual contactless physiological monitoring in clinical study. npj Digital Medicine 6:231. npj Digital Medicine (Nature Portfolio). 링크
- 30.npj Digital Medicine (2025). The role of face regions in remote photoplethysmography for contactless heart rate monitoring. npj Digital Medicine. npj Digital Medicine (Nature Portfolio). 링크
- 31.Xin Liu et al. (2023). rPPG-Toolbox: deep remote PPG toolbox. NeurIPS 2023 (Datasets & Benchmarks). University of Washington & Microsoft. 링크
- 32.Bondarenko, Menon & Elgendi (2025). Demographic bias in public remote photoplethysmography datasets. npj Digital Medicine (Nature Portfolio). ETH Zurich & Khalifa University. 링크
- 33.Acharya, Saakyan, Hammer & Drimalla (2025). The reliability of remote photoplethysmography under low illumination and elevated heart rates. npj Digital Medicine 8:744. Bielefeld University. 링크
근거 기반 스캐닝을 귀사의 비즈니스에 도입하세요.
과학적 기반은 이미 구축할 수 있는 수준에 이르렀습니다. 스캐너를 귀사의 서비스에 통합하고 싶다면, 기술은 저희가 담당합니다.
Plondo rPPG 스캐너 자체는 FDA 승인을 받은 제품이 아닙니다. FDA 승인에 대한 언급은 타사 상용 기기에서 승인된 기반 rPPG 기술을 의미합니다. 본 제품은 추세 추적을 위한 웰니스 도구이며, 의료기기가 아니므로 어떠한 질병의 진단, 치료, 완치 또는 예방을 목적으로 하지 않습니다.