AIA
바이오헬스융합학부 이용오
AIA 연구실은 인공지능을 다양한 과학 및 공학 분야에 적용하는 융합 연구를 선도하고 있습니다. 특히 의료 영상 및 음성 데이터 분석, 바이오헬스, 재생에너지, 스마트 팩토리 등 첨단 분야에서 딥러닝 및 생성적 적대 신경망(GAN) 등 최신 인공지능 기술을 적극적으로 활용하고 있습니다.
의료 분야에서는 CT, X-ray, 초음파 등 다양한 의료 영상을 분석하여 질환을 조기에 진단하고, 음성 신호를 활용한 후두암 등 질환 분류 연구를 수행하고 있습니다. 데이터 불균형 문제를 해결하기 위해 GAN 기반 데이터 증강 기법을 도입하여, 실제 임상 데이터의 한계를 극복하고 진단 정확도를 높이고 있습니다. 또한, 의료기관과의 협업을 통해 임상 적용 가능성을 높이고, 관련 특허 및 산학협력 프로젝트도 활발히 진행 중입니다.
바이오헬스 및 화합물 특성 예측 분야에서는 분자 구조 데이터(SMILES 등)를 활용한 신약 후보 물질의 효능 및 독성 예측, 대규모 바이오헬스 데이터 분석을 통한 맞춤형 의료 지원 등 다양한 연구가 이루어지고 있습니다. 데이터 불균형, 복잡성 문제를 해결하기 위해 멀티태스크 러닝, 생성 모델 등 첨단 기법을 적용하고 있습니다.
산업 및 에너지 분야에서는 재생에너지 발전량 예측, 스마트 팩토리의 설비 고장 진단 및 예측 등 실제 산업 현장에 적용 가능한 인공지능 모델을 개발하고 있습니다. 시계열 데이터 분석, 기계 진동 신호 처리, 전력 수요 예측 등 다양한 응용 연구를 통해 산업 효율성 향상과 비용 절감에 기여하고 있습니다.
AIA 연구실은 앞으로도 인공지능의 실질적 응용과 사회적 가치 창출을 목표로, 의료, 바이오, 에너지, 산업 등 다양한 분야에서 혁신적인 연구를 지속해 나갈 것입니다.
GANs
Medical Image Segmentation
Generative Adversarial Networks
의료 영상 및 음성 데이터 기반 인공지능 진단
본 연구실은 의료 영상 및 음성 데이터를 활용한 인공지능 기반 진단 기술 개발에 중점을 두고 있습니다. 특히, 후두암, 갑상선 결절, 안와 구조물 등 다양한 질환의 진단을 위해 딥러닝 및 컴퓨터 비전 기술을 적용하고 있습니다. 의료 영상(CT, X-ray, 초음파 등)과 음성 신호를 정밀하게 분석하여 질환의 조기 진단 및 예후 예측을 가능하게 하는 연구를 수행하고 있습니다.
이러한 연구는 실제 임상 현장에서 발생하는 데이터 불균형 문제를 해결하기 위해 생성적 적대 신경망(GAN) 등 최신 데이터 증강 기법을 적극적으로 도입하고 있습니다. 예를 들어, 적은 수의 환자 데이터를 보완하기 위해 합성 데이터를 생성하거나, 다양한 음성 및 영상 패턴을 학습시켜 진단 정확도를 높이고 있습니다. 또한, 의료 현장에서 활용 가능한 자동화된 진단 시스템 및 전문가 분석 도구 개발에도 힘쓰고 있습니다.
이러한 연구 성과는 국내외 학술지 및 특허 출원, 산학협력 프로젝트 등으로 이어지고 있으며, 실제 의료기관과의 협업을 통해 임상 적용 가능성을 높이고 있습니다. 앞으로도 인공지능을 활용한 의료 데이터 분석의 신뢰성과 효율성을 높여, 환자 맞춤형 진단 및 치료 지원에 기여할 계획입니다.
생성적 적대 신경망(GAN) 및 데이터 증강을 통한 불균형 데이터 문제 해결
인공지능 응용 분야에서 데이터 불균형은 모델의 성능 저하를 유발하는 주요 문제 중 하나입니다. 본 연구실은 생성적 적대 신경망(GAN)과 같은 딥러닝 기반 데이터 증강 기법을 활용하여, 의료 영상, 음성, 산업 데이터 등 다양한 영역에서 불균형 데이터 문제를 해결하는 연구를 선도하고 있습니다. GAN을 이용해 소수 클래스의 데이터를 인위적으로 생성함으로써, 학습 데이터의 다양성과 균형을 확보하고 있습니다.
이러한 기술은 의료 영상의 희귀 질환 데이터, 산업 현장의 고장 데이터 등 실제로 수집이 어려운 데이터를 보완하는 데 큰 역할을 하고 있습니다. 예를 들어, 베어링 고장 진단, 음성 기반 질환 분류, 화합물 특성 예측 등 다양한 분야에서 GAN 기반 데이터 증강이 적용되고 있으며, 이를 통해 모델의 분류 정확도와 신뢰성이 크게 향상되고 있습니다. 또한, 도메인 적응, 특징 추출, 합성 데이터 생성 등 다양한 딥러닝 기법과의 융합 연구도 활발히 이루어지고 있습니다.
본 연구실은 이러한 데이터 증강 및 불균형 데이터 처리 기술을 실제 산업 및 의료 현장에 적용하여, 인공지능 모델의 실용성과 확장성을 높이고 있습니다. 앞으로도 새로운 생성 모델과 증강 기법을 개발하여, 데이터 부족 및 불균형 문제를 근본적으로 해결하는 데 기여할 계획입니다.
화합물 특성 예측 및 바이오헬스 데이터 분석
화합물의 물리·화학적 특성 예측은 신약 개발, 바이오헬스, 환경공학 등 다양한 분야에서 중요한 역할을 합니다. 본 연구실은 인공지능과 딥러닝 기술을 활용하여, SMILES와 같은 분자 표현을 기반으로 한 화합물 특성 예측 모델을 개발하고 있습니다. 이를 통해 신약 후보 물질의 효능 및 독성 예측, 화학 반응성 평가 등 다양한 응용 연구를 수행하고 있습니다.
특히, 데이터 불균형이 심한 화합물 데이터셋에 대해 생성적 적대 신경망(GAN), 셀프 어텐션 기반 멀티태스크 러닝 등 첨단 기법을 적용하여 예측 성능을 극대화하고 있습니다. 또한, 대규모 바이오헬스 데이터를 분석하여, 질병 진단, 치료 반응 예측, 환자 맞춤형 의료 등 다양한 바이오헬스 응용 분야로 연구를 확장하고 있습니다. 실제로 국내외 제약사, 의료기관과의 협업을 통해 연구 결과의 실용성과 임상 적용 가능성을 높이고 있습니다.
이러한 연구는 바이오헬스 데이터의 복잡성과 다양성을 효과적으로 다루는 동시에, 인공지능 기반 신약 개발 및 맞춤형 의료의 혁신을 이끄는 데 중요한 역할을 하고 있습니다. 앞으로도 본 연구실은 화합물 특성 예측 및 바이오헬스 데이터 분석 분야에서 세계적인 연구 경쟁력을 확보해 나갈 계획입니다.
1
Laryngeal Disease Classification using Voice Data: Octave-band vs. Mel-Frequency Filters
송재민
Heliyon, 1970
2
Segmentation-Based Measurement of Orbital Structures: Achievements in Eyeball Volume Estimation and Barriers in Optic Nerve Analysis
김하나
Diagnostics, 1970
3
Classification of laryngeal diseases including laryngeal cancer, benign mucosal disease, and vocal cord paralysis by artificial intelligence using voice analysis
송재민
Scientific Reports, 1970
1
생성적 적대 신경망을 활용한 안와 CT 합성데이터 생성 기술 개발
2
초거대 AI 기술을 Fine Tuning하여 개발한 의료용 생성 AI 기술 활용하여 환자의 사전 전문 상담 서비스 기술과 의료 인력 대상 전문가 분석 도구 개발
3
평가 일체형 공학 도구 모델 및 프로토타입 개발 연구
