Computer Vision and Attention Learning for Lesion Diagnosis in Medical Imaging
연구 내용
MRI와 의료영상에서 병변의 공간적 특징을 정밀하게 추출하고, 불균형 분류를 강화학습으로 보정하여 뇌종양·알츠하이머·자궁경부암·골관절염의 자동 진단 정확도를 높이는 연구
의료영상에서 병변이 차지하는 시각적 단서가 환자별로 달라 정확한 특징 추출이 어렵다는 문제를 다룹니다. 주의집중 메커니즘과 선택적 공간 정보 강화 모듈을 결합해 병변과 관련된 영역에 학습이 집중되도록 설계합니다. 또한 EfficientNet 계열과 Vision Transformer 기반의 다중 특징 경로를 구성하고, 클래스 불균형은 강화학습 에이전트가 샘플에 대한 관점을 동적으로 조정하는 방식으로 완화합니다. 뇌 MRI의 전처리 단계와 연계되는 분할 블록을 포함해 진단 파이프라인의 일관성을 확보하는 차별성을 보유하고 있습니다.
관련 연구 성과
관련 논문
4편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기에는 강화학습을 이용해 의료 영상 분류에서 클래스 불균형 문제를 완화하는 RL-CancerNet을 구축하여 자궁경부암 스크리닝 정확도를 개선하는 방향으로 연구를 수행했습니다. 이후 MRI 기반 뇌종양 검출에서는 공간 주의집중 계층을 YOLOv5m에 통합해 병변 구별력을 높였습니다. 2025년에는 알츠하이머 진단에서 다중 스케일 특징 추출과 연결 단위 주의 모델을 결합하고, 두개골 분리 관련 분할 블록의 성능을 세부적으로 평가했습니다. 동시에 골관절염 조기 진단에서는 경량 EfficientNet 구조에 채널 주의 모듈을 적용해 임상 적용 시 자원 제약을 고려한 연구로 확장했습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
A lightweight attention-driven YOLOv5m model for improved brain tumor detection
Novelty Classification Model Use in Reinforcement Learning for Cervical Cancer
Advanced convolutional neural network with attention mechanism for Alzheimer's disease classification using MRI
Lightweight early detection of knee osteoarthritis in athletes