김성태 연구실은 시각정보처리와 딥러닝 기반 영상 해석 분야에서 선도적인 연구를 수행하고 있습니다. 본 연구실은 의료 영상, 위성 영상, 자율주행, 감시 시스템 등 다양한 응용 분야에서 영상 데이터를 효과적으로 처리하고 분석하는 기술을 개발하고 있습니다. 특히, 딥러닝 기반의 이미지 분할, 객체 검출, 이상 탐지, 변화 탐지 등 영상 내 다양한 정보를 자동으로 추출하고 해석하는 알고리즘 개발에 주력하고 있습니다. 최근에는 메모리 네트워크, 트랜스포머, 생성적 적대 신경망(GAN) 등 최신 딥러닝 모델을 활용하여 영상 내 복잡한 패턴을 효과적으로 학습하고, 노이즈가 많은 데이터나 라벨이 부족한 상황에서도 높은 성능을 발휘할 수 있는 방법론을 제시하고 있습니다. 예를 들어, 의료 영상에서의 장기 시각 메모리 네트워크, 영상 내 이상 탐지를 위한 트랜스포머 기반 GAN, 영상 객체 분할의 노이즈 강인 학습법 등이 대표적입니다. 이러한 연구는 실제 임상 진단, 도시 및 환경 변화 감지, 자율주행 차량의 인식 시스템 등 다양한 산업 현장에 적용되고 있으며, 데이터의 해석력과 신뢰성을 높여 실질적인 사회적 가치를 창출하고 있습니다.

본 연구실은 인공지능 모델, 특히 딥러닝 신경망의 결정 과정을 설명하고 해석하는 기술 개발에 집중하고 있습니다. 복잡한 신경망 구조의 '블랙박스' 문제를 해결하기 위해, 시각적 설명(visual explanation), 특징 기여도 맵(feature attribution map), 뉴런 개념 해석 등 다양한 XAI(설명 가능한 인공지능) 방법론을 연구합니다. 이를 통해 사용자는 모델의 예측 근거를 직관적으로 이해할 수 있으며, 의료 영상 진단, 자율주행, 보안 등 신뢰성이 중요한 분야에서 AI의 활용도를 높이고 있습니다. 특히, 의료 영상 분야에서는 CAD(Computer-Aided Diagnosis) 시스템의 진단 근거를 시각적으로 제시하거나, BIRADS와 같은 임상적 기준에 기반한 해석 가능한 진단 네트워크를 개발하여 의사와의 상호작용 및 신뢰성 향상에 기여하고 있습니다. 또한, 신경망의 해석성을 정량화하는 기술, 다양한 입력 특성에 대한 뉴런의 반응을 분석하는 방법 등도 활발히 연구되고 있습니다. 이러한 XAI 연구는 AI 모델의 투명성과 신뢰성을 높이는 데 중점을 두고 있으며, 실제 산업 및 의료 현장에서의 적용 가능성을 높이고 있습니다. 더불어, 설명 가능한 AI 기술은 AI 윤리 및 법적 규제 대응에도 중요한 역할을 하고 있습니다.

김성태 연구실은 의료 영상 분석 및 진단 지원 인공지능 분야에서 다양한 연구를 수행하고 있습니다. CT, MRI, X-ray 등 다양한 의료 영상 데이터를 활용하여, 장기 및 병변의 자동 분할, 병변 검출, 질병 진행 예측, 진단 근거 설명 등 임상 진단을 지원하는 AI 기술을 개발합니다. 예를 들어, 복부 다장기 분할, 유방 종괴 검출 및 해석, 알츠하이머병 진행 예측, COVID-19 감염 부위 정량화 등 다양한 임상적 문제에 특화된 딥러닝 모델을 제안하고 있습니다. 특히, 라벨이 부족하거나 노이즈가 많은 의료 영상 데이터 환경에서의 강인한 학습, 장기 시계열 데이터의 분석, 대규모 언어 모델(LLM)을 활용한 의료 보고서 자동 라벨링 등 최신 AI 기술을 의료 영상 분석에 접목하고 있습니다. 또한, 의료진과의 상호작용이 가능한 인터랙티브 CAD 시스템, 진단 근거를 시각적으로 설명하는 프레임워크 등도 개발하여 실제 임상 현장에서의 활용성을 높이고 있습니다. 이러한 연구는 의료진의 진단 효율성과 정확성을 높이고, 환자 맞춤형 치료 및 조기 진단에 기여할 수 있는 핵심 기술로 자리매김하고 있습니다. 국내외 유수의 학회 및 저널에 다수의 논문을 발표하며, 의료 인공지능 분야의 발전을 선도하고 있습니다.