RnDCircle Logo
arrow left icon

세종대학교

세종대학교 AI로봇학과

김형석 교수

Remote Sensing

Wearable IoT Devices

Reinforcement Learning

세종대학교

AI로봇학과 김형석

세종대학교 AI로봇학과 김형석 교수 연구실은 인공지능, 사물인터넷(IoT), 무선통신, 네트워크 최적화, 의료 인공지능 등 첨단 ICT 융합 분야에서 국내외적으로 선도적인 연구를 수행하고 있습니다. 본 연구실은 인공지능 기반의 대규모 IoT 네트워크 자원 관리, 연합학습 및 연합강화학습, 분산형 인공지능 시스템 개발에 중점을 두고 있으며, 이를 통해 데이터 프라이버시를 보장하면서도 네트워크 전체의 효율성과 신뢰성을 극대화하는 기술을 연구하고 있습니다. 특히, 이질적이고 동적인 IoT 환경에서의 자원 할당, 에너지 효율화, 통신 지연 최소화, 네트워크 트래픽 관리 등 다양한 문제를 해결하기 위해 최신 인공지능 및 강화학습 기반의 알고리즘을 개발하고 있습니다. Three-Stage Asynchronous Federated Reinforcement Learning, Uncertainty-Aware Federated Reinforcement Learning 등 최신 논문에서 제안된 방법론을 실제 네트워크 환경에 적용하여, 실시간 데이터 처리와 시스템의 신뢰성 향상에 기여하고 있습니다. 또한, 본 연구실은 딥러닝 기반의 의료 영상 분석, 웨어러블 기기 기반 감정 인식, 노인 돌봄 시스템 등 헬스케어 인공지능 분야에서도 활발한 연구를 수행하고 있습니다. PET/CT, X-ray 등 다양한 의료 영상의 자동 분할 및 진단, 생체 신호 기반의 건강 모니터링, 맞춤형 치료 지원 등 실제 임상 및 산업 현장에 적용 가능한 혁신적인 솔루션을 개발하고 있습니다. 아울러, 5G 및 차세대 무선통신 환경에서 요구되는 초저지연, 고신뢰, 대용량 데이터 전송을 위한 네트워크 및 무선통신 시스템의 최적화 기술도 연구의 중요한 축을 이루고 있습니다. Tactile Internet, URLLC, mMTC 등 미래 네트워크의 핵심 요구사항을 충족시키기 위한 자원 할당, 채널 접근 제어, 네트워크 코딩, 에너지 하베스팅, 스마트 센서 네트워크 등 다양한 주제를 다루고 있습니다. 본 연구실은 국내외 연구기관, 산업체, 의료기관 등과의 산학협력 및 공동연구를 통해 연구 성과의 실증, 상용화, 기술 이전에도 적극적으로 참여하고 있습니다. 다양한 정부 및 기업 지원 프로젝트를 수행하며, 특허 출원과 논문 발표, 국제 학술대회 참가 등 활발한 연구 활동을 이어가고 있습니다. 앞으로도 인공지능과 네트워크 융합 기술을 바탕으로 미래 지능형 사회를 선도하는 연구실로 성장해 나갈 것입니다.

Remote Sensing
Wearable IoT Devices
Reinforcement Learning
인공지능 기반 사물인터넷(IoT) 네트워크 자원 관리 및 연합학습
본 연구실은 인공지능 기술을 활용한 대규모 사물인터넷(IoT) 네트워크의 자원 관리 및 최적화에 중점을 두고 있습니다. 최근 IoT 환경은 다양한 기기와 센서가 실시간으로 데이터를 생성하고, 이 데이터를 효율적으로 처리하고 관리하는 것이 핵심 과제로 부상하고 있습니다. 이를 위해 본 연구실은 연합학습(Federated Learning) 및 연합강화학습(Federated Reinforcement Learning) 기반의 분산형 인공지능 모델을 개발하여, 데이터 프라이버시를 보장하면서도 네트워크 전체의 학습 효율성과 자원 활용도를 극대화하는 기술을 연구하고 있습니다. 특히, 이질적인 IoT 환경에서의 자원 할당, 네트워크 트래픽 관리, 에너지 효율성 향상, 그리고 다양한 기기의 성능 및 데이터 품질 편차를 극복하기 위한 알고리즘 개발에 집중하고 있습니다. 예를 들어, Three-Stage Asynchronous Federated Reinforcement Learning(TAS-FedRL) 프레임워크, Uncertainty-Aware Federated Reinforcement Learning(UA-FedRL) 등 최신 논문에서 제안된 방법론을 실제 네트워크 환경에 적용하여, 실시간 데이터 처리, 통신 효율성, 그리고 시스템의 신뢰성을 높이고 있습니다. 이러한 연구는 스마트 시티, 산업용 IoT, 헬스케어, 스마트 홈 등 다양한 응용 분야에서 활용될 수 있으며, 미래의 초연결 사회에서 요구되는 대규모 지능형 네트워크 인프라 구축에 핵심적인 역할을 할 것으로 기대됩니다. 또한, 본 연구실은 실제 산업체 및 공공기관과의 협력을 통해 연구 성과의 실용화와 기술 이전에도 적극적으로 참여하고 있습니다.
딥러닝 기반 의료 영상 분석 및 헬스케어 인공지능
본 연구실은 딥러닝 및 인공지능 기술을 활용한 의료 영상 분석, 특히 다중 모달리티 영상(PET/CT, X-ray 등)을 이용한 종양 자동 분할, 진단 지원, 그리고 예후 평가 분야에서 활발한 연구를 수행하고 있습니다. 암 환자의 종양 병변을 정확하게 분할하고 병기를 평가하는 것은 방사선 치료, 맞춤형 치료, 수술 계획 등에서 매우 중요한 역할을 합니다. 본 연구실은 UNet, VNet, Vision Transformer 등 다양한 딥러닝 모델을 기반으로 한 자동 분할 및 진단 알고리즘을 개발하여, 의료진의 진단 정확도와 효율성을 높이고 있습니다. 특히, PET/CT와 같은 다중 모달리티 영상의 융합 과정에서 발생하는 다양한 문제(형상 및 크기 차이, 경계 불명확성 등)를 해결하기 위해, 첨단 딥러닝 기반의 이미지 융합 및 세분화 기법을 연구하고 있습니다. 또한, 심박수 및 음성 데이터 등 웨어러블 기기에서 수집되는 생체 신호를 활용한 감정 인식, 노인 돌봄 시스템, 실시간 건강 모니터링 등 헬스케어 인공지능 분야로 연구를 확장하고 있습니다. 이러한 연구는 의료 현장에서의 진단 자동화, 환자 맞춤형 치료, 원격 모니터링, 고령화 사회의 돌봄 서비스 등 다양한 사회적 요구에 부응하며, 실제 임상 및 산업 현장에 적용될 수 있는 실용적이고 혁신적인 솔루션을 제공하고 있습니다. 또한, 국내외 의료기관 및 ICT 기업과의 협력을 통해 연구 성과의 실증 및 상용화에도 적극적으로 참여하고 있습니다.
지능형 네트워크 및 무선통신 시스템 최적화
본 연구실은 5G 및 차세대 무선통신 환경에서 요구되는 초저지연, 고신뢰, 대용량 데이터 전송을 위한 네트워크 및 무선통신 시스템의 최적화 기술을 연구합니다. 특히, Tactile Internet, URLLC(Ultra-Reliable Low Latency Communication), Massive Machine-Type Communication(mMTC) 등 미래 네트워크의 핵심 요구사항을 충족시키기 위한 자원 할당, 채널 접근 제어, 네트워크 코딩, 에너지 효율화, 그리고 네트워크 지능화 기술 개발에 집중하고 있습니다. 강화학습 기반의 네트워크 제어, 분산형 자원 관리, 협력적 스펙트럼 센싱, 비직교 다중접속(NOMA), 에너지 하베스팅, 스마트 센서 네트워크 등 다양한 주제를 다루며, 실제 산업용 IoT, 스마트 팩토리, 스마트 빌딩, 자율주행, 원격 의료 등 다양한 응용 분야에 적용 가능한 솔루션을 개발하고 있습니다. 또한, 초광대역(UWB), 가시광 통신(VLC), 멀티홉 릴레이, 에지 컴퓨팅 등 최신 네트워크 인프라 기술도 연구의 주요 대상입니다. 이러한 연구는 네트워크의 신뢰성, 확장성, 에너지 효율성, 실시간성 등 다양한 성능 지표를 동시에 만족시키는 것이 목표이며, 실제 네트워크 환경에서의 실증 및 시제품 개발, 특허 출원, 산학협력 프로젝트 등을 통해 연구 성과의 실용화와 기술 고도화에 앞장서고 있습니다.
1
A Gaussian Process-Enhanced Non-Linear Function and Bayesian Convolution-Bayesian Long Term Short Memory Based Ultra-Wideband Range Error Mitigation Method for Line of Sight and Non-Line of Sight Scenarios
김형석, Amir HAIDER, SAGAR A S M SHARIFUZZAMAN
MATHEMATICS, 202412
2
Automatic delineation and prognostic assessment of head and neck tumor lesion in multi-modality positron emission tomography / computed tomography images based on deep learning: A survey
김형석, ABIDIN ZAIN UL
NEUROCOMPUTING, 202412
3
Jointly optimizing resource and heterogeneity in IoT networks using a Three-Stage Asynchronous Federated Reinforcement Learning
김형석, SAGAR A S M SHARIFUZZAMAN
INTERNET OF THINGS, 202410
1
연합심층학습 및 연합강화학습 기반의 대규모 지능형 사물인터넷을 위한 네트워크 자원 관리 및 수렴 속도 향상 기술 개발(3차년도)
한국연구재단_과[nrf]
2024년 03월 ~ 2025년 02월
2
IMI (Interactive Multisensory Interface) 기반의 실감 공간 서비스 개발(2차년도)
중소기업기술정보진흥원[tipa]
2024년 ~ 2024년 08월
3
IMI (Interactive Multisensory Interface) 기반의 실감 공간 서비스 개발(1차년도)
중소기업기술정보진흥원[tipa]
2023년 10월 ~ 2023년 12월