신승연 연구실
전자공학부 신승연
신승연 연구실은 한양대학교 ERICA캠퍼스 전자공학부에 소속되어 있으며, 의료 영상 분석, 컴퓨터 비전, 인공지능을 핵심 연구 분야로 삼고 있습니다. 본 연구실은 다양한 의료 영상 데이터(CT, 초음파, 안저 영상 등)를 활용하여, 딥러닝 기반의 자동 진단 및 분류, 병변 탐지, 조직 구조 분석 등 첨단 의료 영상 처리 기술을 개발하고 있습니다.
특히, 희귀 질환이나 미세 병변의 자동 탐지와 분류를 위한 딥러닝 네트워크 설계에 주력하고 있습니다. 최근에는 소장 카르시노이드 종양, 간 병변, 유방 초음파 영상 내 종양 등 임상적으로 진단이 어려운 질환에 대한 자동화된 진단 시스템을 개발하여, 높은 민감도와 특이도를 달성하는 성과를 거두고 있습니다. 또한, 약한 지도 학습과 반지도 학습 기법을 도입하여, 제한된 라벨 데이터 환경에서도 우수한 성능을 보이는 알고리즘을 연구하고 있습니다.
이와 더불어, 컴퓨터 비전 및 영상 신호처리 기술을 융합하여, 2D 및 3D 영상 데이터의 구조적, 형태적 특징을 효과적으로 분석하는 연구도 활발히 진행 중입니다. 혈관 구조 분석, 망막 동맥/정맥 분류, 3D 형태 복원 등 다양한 응용 분야에서 혁신적인 알고리즘을 개발하고 있으며, 새로운 딥러닝 아키텍처의 설계와 영상 데이터의 위상적 특성 반영에 중점을 두고 있습니다.
신승연 연구실은 이러한 연구를 통해, 실제 임상 환경에서 활용 가능한 인공지능 기반 의료 영상 분석 시스템을 개발하고, 의료진의 진단 정확도 향상과 환자의 조기 치료에 기여하고자 합니다. 앞으로도 다양한 의료 영상 모달리티와 질환을 대상으로, 인공지능 및 컴퓨터 비전 기술의 융합 연구를 지속적으로 추진할 계획입니다.
본 연구실은 국내외 유수의 학술지와 학회에 다수의 논문을 발표하며, 의료 영상 분석 분야에서 선도적인 연구 성과를 창출하고 있습니다. 신승연 교수의 지도 아래, 첨단 인공지능 기술을 의료 영상 분야에 접목하여, 미래 의료 환경의 혁신을 이끌어 나가고 있습니다.
Hepatic Lesion Classification
Small Bowel Detection
Lesion Segmentation
의료 영상 분석을 위한 딥러닝 기반 자동 진단 시스템
의료 영상 분석 분야는 최근 딥러닝 기술의 발전과 함께 비약적인 성장을 이루고 있습니다. 신승연 연구실에서는 CT, 초음파, 안저 영상 등 다양한 의료 영상을 대상으로 질병의 자동 진단 및 분류, 병변의 위치 추정, 그리고 조직의 형태 분석을 위한 첨단 알고리즘을 개발하고 있습니다. 특히, 소장 카르시노이드 종양과 간 병변, 유방 초음파 영상 내 종양 등 진단이 어려운 희귀 질환이나 미세 병변을 효과적으로 탐지하기 위한 연구에 집중하고 있습니다.
이러한 연구는 대규모 의료 영상 데이터셋을 활용하여, 딥러닝 기반의 분할(Segmentation), 분류(Classification), 검출(Detection) 네트워크를 설계하고, 실제 임상 환경에서의 적용 가능성을 높이기 위한 다양한 실험을 수행합니다. 예를 들어, 소장 카르시노이드 종양의 경우, 기존의 진단 방법으로는 놓치기 쉬운 미세 병변을 자동으로 탐지할 수 있는 네트워크를 개발하여, 민감도와 특이도를 동시에 향상시키는 성과를 거두고 있습니다. 또한, 약한 지도 학습(Weakly Supervised Learning)과 반지도 학습(Semi-supervised Learning) 기법을 도입하여, 라벨링이 제한적인 의료 영상 데이터의 한계를 극복하고 있습니다.
이러한 연구 결과는 실제 임상 진단의 정확도와 효율성을 크게 높일 수 있으며, 의료진의 업무 부담을 줄이고 환자의 조기 진단 및 치료에 기여할 수 있습니다. 앞으로도 신승연 연구실은 다양한 의료 영상 모달리티와 질환을 대상으로, 인공지능 기반의 자동 진단 시스템을 고도화하여, 미래 의료 환경의 혁신을 선도할 계획입니다.
컴퓨터 비전 및 영상 신호처리 기술의 융합 연구
신승연 연구실은 컴퓨터 비전과 영상 신호처리 기술을 융합하여, 2D 및 3D 영상 데이터의 구조적, 형태적 특징을 효과적으로 분석하는 연구를 수행하고 있습니다. 특히, 혈관 구조 분석, 망막 동맥/정맥 분류, 3D 형태 복원 등 다양한 응용 분야에서 혁신적인 알고리즘을 개발하고 있습니다. 예를 들어, 혈관의 연결성(Graphical Connectivity)을 학습하는 딥러닝 네트워크를 통해, 복잡한 혈관망의 구조를 정확하게 분할하고, 망막 영상에서 동맥과 정맥을 자동으로 분류하는 기술을 선보였습니다.
이러한 연구는 영상 내 객체의 위상적(Topology-aware) 특성을 반영하는 네트워크 구조 설계, 트리플라나(Triplanar) 합성곱 신경망 등 새로운 딥러닝 아키텍처의 개발로 이어지고 있습니다. 또한, 3D 영상 데이터의 분류 및 형태 검색(Shape Retrieval) 문제에 있어서도, 2D 커널을 공유하는 혁신적인 접근법을 통해, 계산 효율성과 정확도를 동시에 확보하고 있습니다. 이러한 기술은 의료 영상뿐만 아니라, 일반 영상 처리, 자율주행, 로봇 비전 등 다양한 분야로의 확장이 가능합니다.
신승연 연구실의 컴퓨터 비전 및 영상 신호처리 연구는, 영상 데이터의 복잡한 구조와 패턴을 심층적으로 이해하고, 이를 바탕으로 새로운 인공지능 기반 분석 도구를 개발하는 데 중점을 두고 있습니다. 앞으로도 다양한 영상 데이터와 응용 분야를 아우르는 융합 연구를 지속적으로 추진할 예정입니다.
1
Fully-automated detection of small bowel carcinoid tumors in CT scans using deep learning
신승연
MEDICAL PHYSICS, 202312
2
Joint segmentation and classification of hepatic lesions in ultrasound images using deep learning
신승연
EUROPEAN RADIOLOGY, 202110
3
Topology-Aware Retinal Artery?Vein Classification via Deep Vascular Connectivity Prediction
신승연
APPLIED SCIENCES-BASEL, 202012
