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.

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.

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.

본 연구실은 재생에너지 발전량 예측, 스마트 팩토리의 설비 고장 진단 및 예측 등 산업 현장에 적용 가능한 인공지능 기술 개발에도 주력하고 있습니다. 딥러닝 기반의 시계열 예측, 기계 진동 신호 분석, 전력 수요 예측 등 다양한 산업 데이터를 분석하여, 효율적인 에너지 관리와 설비 유지보수의 자동화를 실현하고 있습니다. 특히, 풍력 및 태양광 등 재생에너지 발전량의 단기 및 장기 예측을 위한 딥러닝 모델 개발, 베어링 등 주요 설비의 남은 수명 예측(RUL), 고장 진단을 위한 생성적 적대 신경망(GAN) 기반 특징 추출 등 다양한 연구가 진행되고 있습니다. 이러한 연구는 실제 산업 현장에서 발생하는 데이터의 불균형, 노이즈, 복잡성 문제를 해결하는 데 중점을 두고 있습니다. 본 연구실의 예측 및 진단 인공지능 기술은 에너지 효율성 향상, 설비 고장 예방, 유지보수 비용 절감 등 실질적인 산업적 가치를 창출하고 있습니다. 앞으로도 재생에너지 및 스마트 팩토리 분야에서 인공지능의 적용 범위를 넓혀, 지속 가능한 산업 발전에 기여할 계획입니다.