1. 연구개발의 중요성 - 정량적 초음파 (QUS: Quantitative Ultrasound) 연구는 전 세계적으로 아직 초기 연구 단계이므로 국내에서도 적극적인 연구개발이 시급 - 인공지능을 이용한 딥러닝(deep learning) 기술은 의료영상 응용분야에서 인간의 시각적 인식 수준을 뛰어 넘는 좋은 결과를 보임 - 수치화된 정량적 초음파분석 결과와 해부학적 B-mode 정보가 결합된 새로운 개념의 Q-mode 영상을 이용한 딥러닝 알고리듬은 한 단계 향상된 인식 결과를 기대 2. 연구개발의 독창성 - 새로운 개념의 정량적 초음파 영상 (Q-mode) 구성 : 주파수 영역에서 정량적으로 분석 예측된 의료초음파 지표의 병리학적 특성과 인체 내부의 해부학적 위치 정보를 가진 일반적인 B-mode 영상을 결합하여 Q-mode 영상 구성 - 다중 채널 입력을 이용하는 최적화된 딥러닝 알고리듬 개발 : 일반적인 B-mode 영상뿐만 아니라 정량적으로 분석된 다양한 Q-mode 영상을 딥러닝 네트워크에 다중 채널로 입력하여 검사 대상의 병리학적 특성을 종합적으로 판단 - 한국인의 생체 특성을 고려한 의료초음파 선행 데이터베이스 구축 : 국내 의료기관과의 협력연구를 통해 초음파 신호의 실제 임상 데이터를 수집, 분석 예정 3. 연구개발의 배경 - 의료초음파 검사 전문가의 시각적 구분에 의존한 기존의 영상분석 방법은 검사대상자의 개인적 편차에 따른 예측 정확도(accuracy)와 반복성(repeatability) 보장 등의 한계 - 일반적인 정량적 초음파 분석 방법은 예측된 의료초음파 지표와 검사 대상자의 병리학적 상태를 일대일로 직접 연결하여 판단하기에 현실적인 어려움 - 최근 의료영상 분야에 적용되는 딥러닝 기술은 B-mode 영상 자체만을 이용하여 단순한 영상의 보완이나 시각적 개선, 또는 특정 영역의 구분이나 분류 등의 응용에 국한 4. 핵심 연구개발 내용 (1) 정량적 초음파 영상(Q-mode image)에 딥러닝 인식 알고리듬을 적용한 독창적 연구 - 본 연구에서는 정량적 초음파 분석결과와 해부학적 B-mode 영상을 결합한 새로운 개념의 “정량적 초음파 (Q-mode) 영상”을 구성하여 관심영역의 정량적 특성과 주변 조직의 연계성을 영상화함으로써 딥러닝 인식의 정확성을 크게 향상 시킬 것으로 기대 - 또한 하나의 초음파 임상신호에 대하여 다수의 정량적 초음파 지표를 적용하여 Q-mode 영상을 구성하는 경우에는 다면적(multi-dimensional) 딥러닝 인식도 가능 - 구성된 Q-mode 영상은 기존의 B-mode 영상과 함께 다중 채널입력을 갖는 딥러닝 네트워크를 이용하여 검사 대상의 병리학적 상태를 종합적이고 입체적으로 분석 (2) 세계적으로 연구 초기 단계의 정량적 초음파 (QUS) 분석기술의 선도적 연구 - 최근 들어 미국, 유럽 등의 의료 선진국을 중심으로 QUS 기술이 연구되기 시작하였으나, 아직까지 뚜렷한 연구 성과가 발표되지 않아 초기 연구단계임 - 본 연구에서는 인체내 초음파의 전송 속도 차이를 고려한 회절보상 기법을 연구하여 정량적 초음파 분석결과의 오차를 최소화하고 정확도를 향상시킬 계획 - 또한 검사 대상과 동일한 시스템 파라미터를 갖는 표준 반향신호를 이용한 초음파 감쇠지수 예측 알고리듬을 개발하여 다중 초음파 지표의 예측 정확성을 향상시킬 계획 - 따라서 본 연구에서 새롭게 제안하는 Q-mode 영상을 이용한 딥러닝 인식 알고리듬 개발은 관련 연구분야의 세계적인 기술선도에 유리할 것으로 판단

본 과제는 IoE 기반 전력계통·스마트미터·ESS·원격 전력제어를 묶어 수요반응을 자동 판단·제어하는 기술 개발임. 연구목표는 IoE 기반 ESS의 비상상황 판단, 전원이상 감지 위한 정밀 전압 실효치 계산, DR 운영 S/W 및 딥러닝 결과 확신성 평가 지표 설계, 확신성 지표 기반 실증데이터 분류 알고리즘, 전력제어 모델·통신망·적응형 수요반응 클라이언트 에이전트 구축임. 핵심 연구내용은 ESS의 고신뢰성 비상상황 판단 알고리즘, 전력계통 딥러닝 네트워크 확신성 평가, IoE 기반 전력 수요 직접 부하제어·감축 및 전력제어 모델링, 비상시 범프리스 모드절환 제어 알고리즘·전력설비 시스템 모델링 수행임. 기대효과는 수요반응 기술 전문가 양성, 핵심 기술 선점 및 특허·논문 창출, 산학연 협력 강화로 신산업·일자리 창출 기여임.