AI for Brain and Biomedical Imaging (Real-time Segmentation, Quantification, and EEG Classification)
연구 내용
수술 중 뇌종양 주변 조직을 실시간 시각화하고, EEG 및 의료영상에서 분할·정량·분류를 수행하며, 고가속 영상 재구성과 경량 추론 구조를 함께 확보하는 연구
공통경로 기반 시간영역 반사계측과 광섬유 프로브를 이용해 수술 중 뇌종양을 실시간으로 구분하는 영상화 기술을 연구합니다. 동시에 의료영상에서 그래프 이론 기반 세그멘테이션으로 슈퍼픽셀의 색·질감 동질성을 활용해 분할 계산을 줄이며, OCT 및 현미경 영상에서 레이어 구조를 정밀 구분하는 접근을 수행합니다. MR에서는 Hankel 구조와 부분공간 학습을 결합한 SMS 재구성으로 T1 파라미터 정량을 가속합니다. EEG에서는 Transformer 기반 다중 채널 모델과 CNN-어텐션 하이브리드 네트워크로 전두/측두 영역 특징을 분리해 분류 정확도와 엣지 적용성을 동시에 고려합니다.
관련 연구 성과
관련 논문
5편
관련 특허
0건
관련 프로젝트
1건
연구 흐름
2020년에는 수술 환경에서 직접 적용 가능한 공통경로 시간영역 반사계측 기반 영상화로 뇌종양-정상 조직 구분 가능성을 검증했습니다. 이후 2021년에는 그래프 기반 세그멘테이션으로 OCT 등 영상에서 분할 계산 효율을 낮추지 않으면서도 경계 및 레이어 구성을 재현하는 연구로 확장했습니다. 2023년에는 MR에서 SMS-HSL 형태의 모델 기반 가속 재구성을 통해 T1 맵의 정밀 정량을 목표로 했습니다. 2024년에는 EEG 데이터에 대해 Transformer 및 확장성 있는 하이브리드 네트워크를 제안하며, 뇌 신호의 분류를 경량 추론과 연계해 발전시켰습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Intraoperative imaging based on common-path time-domain reflectometry for brain tumor surgery
Bimodal Transformer with Regional EEG Data for Accurate Gameplay Regularity Classification
EEG‐based efficient demographic classification with selective data approach and scalable hybrid network
Graph-based segmentation with homogeneous hue and texture vertices
Model-Based Simultaneous Multi-Slice (SMS) Reconstruction with Hankel Subspace Learning for Accelerated MR T1 Mapping
관련 프로젝트
구분
제목
ICT명품인재양성(성균관대학교)