정준영 연구실
의과대학 정준영
정준영 연구실은 의학영상시스템, 특히 MRI와 PET 등 첨단 의료영상장비의 개발과 응용에 특화된 연구를 수행하고 있습니다. 연구실은 초고자장 MRI 시스템, 다채널 RF 코일, 영상 왜곡 보정, 움직임 보정 등 하드웨어와 소프트웨어를 아우르는 융합적 연구를 통해 영상 품질과 진단 정확도를 극대화하는 데 주력하고 있습니다. 다양한 특허와 논문, 그리고 국내외 연구과제를 통해, 연구실의 기술력과 혁신성을 대내외적으로 인정받고 있습니다.
특히, 연구실은 딥러닝 및 인공지능 기술을 의료영상 재구성 및 분석에 적극적으로 도입하고 있습니다. 순환신경망(RNN) 기반의 영상 재구성 네트워크, GRAPPA 및 SENSE 등 병렬영상기법과의 융합, 그리고 다양한 MRI 트래젝토리와 다채널 환경에서의 최적화된 신호처리 알고리즘 개발을 통해, 임상 현장에서 요구되는 빠르고 정확한 영상 제공을 실현하고 있습니다. 이러한 기술은 영상 획득 시간 단축, 저용량 데이터의 고품질 복원, 아티팩트 제거 등 실제 의료현장의 문제 해결에 큰 기여를 하고 있습니다.
연구실은 또한, PET-MRI 융합 영상, 다핵종 MRI, BNCT 치료계획 등 다양한 융합 영상기술 개발에도 앞장서고 있습니다. 이를 위해 영상 정합, 움직임 보정, 조직 분할 등 영상 후처리 기술을 지속적으로 고도화하고 있으며, 임상적 활용을 위한 시스템 통합 및 실용화 연구도 활발히 진행 중입니다. 이러한 연구는 뇌질환, 노인성 질환, 심혈관질환 등 다양한 임상 분야에서의 진단 및 치료에 직접적으로 활용되고 있습니다.
연구실은 국내외 의료기관 및 연구기관과의 협력을 통해, 개발된 기술의 임상 적용과 실용화에 힘쓰고 있습니다. 실제 임상 데이터를 활용한 검증 연구, 맞춤형 영상 시스템 개발, 그리고 의료기기 산업과의 연계를 통해, 연구성과가 사회에 환원될 수 있도록 다양한 노력을 기울이고 있습니다. 또한, 차세대 의료영상기술의 글로벌 표준을 선도하기 위해 국제 학회 및 협력 연구에도 적극적으로 참여하고 있습니다.
이처럼 정준영 연구실은 의학영상시스템의 이론적 연구와 실용적 응용을 동시에 추구하며, 미래 의료영상 분야의 혁신을 이끌고 있습니다. 첨단 하드웨어 개발, 인공지능 융합, 임상 적용까지 아우르는 종합적 연구 역량을 바탕으로, 환자 중심의 정밀의료 실현과 의료영상기술의 글로벌 경쟁력 강화에 기여하고 있습니다.
의학영상시스템 개발 및 고도화
정준영 연구실은 의학영상시스템의 개발과 고도화에 중점을 두고 있습니다. 특히 자기공명영상(MRI)과 양전자방출단층촬영(PET) 등 첨단 의료영상장비의 하드웨어 및 소프트웨어 기술을 융합하여, 임상 진단 및 연구에 최적화된 영상 획득과 분석 방법을 연구합니다. 다양한 특허와 논문을 통해, MRI와 PET의 동시 영상 획득, 움직임 보정, 다중 영상 정합 등 영상 품질 향상과 진단 정확도 제고를 위한 혁신적인 기술을 선보이고 있습니다.
연구실은 초고자장(7T, 11.7T 등) MRI 시스템의 개발과 최적화에도 앞장서고 있습니다. 초고자장 MRI는 기존 장비에 비해 더 높은 해상도와 민감도를 제공하지만, RF 코일 설계, 신호 왜곡 보정, 안전성 확보 등 기술적 난제가 많습니다. 연구실은 다양한 RF 코일 구조(새장형, 다이폴, 헬름홀츠 등)와 신호처리 알고리즘을 개발하여, 초고자장 환경에서의 영상 품질과 안전성을 동시에 확보하는 데 기여하고 있습니다.
이러한 기술적 성과는 노인성 뇌질환, 뇌혈관질환, 신경계 질환 등 다양한 임상 분야에서의 영상 진단 및 치료 계획 수립에 직접적으로 활용되고 있습니다. 연구실은 실제 임상 적용을 목표로, 영상 시스템의 하드웨어와 소프트웨어를 통합적으로 개발하고, 국내외 의료기관 및 연구기관과의 협력을 통해 기술의 실용화와 확산에 힘쓰고 있습니다.
딥러닝 기반 의료영상 재구성 및 인공지능 융합
정준영 연구실은 딥러닝과 인공지능 기술을 활용한 의료영상 재구성 및 분석 분야에서도 선도적인 연구를 수행하고 있습니다. 특히 MRI의 k-space 데이터로부터 직접 이미지를 복원하는 순환신경망(RNN) 기반의 ETER-net 등 첨단 신경망 구조를 개발하여, 기존의 영상 재구성 방식보다 빠르고 정확한 이미지를 제공하고 있습니다. 이러한 기술은 영상 획득 시간을 단축시키고, 저용량 데이터에서도 고품질 이미지를 얻을 수 있도록 하여 임상 현장의 효율성과 환자 편의를 크게 향상시킵니다.
연구실은 다양한 MRI 스캔 트래젝토리(카르테시안, 라디얼 등)와 다채널 RF 코일 환경에서 발생하는 데이터의 복잡성을 효과적으로 처리할 수 있는 딥러닝 모델을 개발합니다. 또한, GRAPPA, SENSE 등 기존의 병렬영상기법과 딥러닝을 융합하여, 영상의 신호대잡음비(SNR)와 공간 해상도를 극대화하는 새로운 알고리즘을 제안하고 있습니다. 이러한 연구는 국제 저명 학술지와 특허를 통해 그 우수성을 인정받고 있습니다.
더 나아가, 연구실은 인공지능 기반의 영상 왜곡 보정, 아티팩트 제거, 조직 분할, 정량적 분석 등 다양한 후처리 기술도 개발하고 있습니다. 이를 통해 뇌질환, 심혈관질환, 종양 등 다양한 질환의 조기 진단과 치료 효과 예측에 기여하고 있으며, 미래 의료영상 분야의 패러다임 전환을 이끌고 있습니다.
1
Domain transformation learning for MR image reconstruction from dual domain input
Chung, Jun-Young, Han, Yeji, Oh, Changheun
Computers in Biology and Medicine, 2024
2
A 2D-GRAPPA Algorithm with a Boomerang Kernel for 3D MRI Data Accelerated along Two Phase-Encoding Directions
Chung, Jun-Young, Han, Yeji, Shin, Seonyeong
SENSORS, 2023
3
Baseline Correction of the Human 1H MRS(I) Spectrum Using T2* Selective Differential Operators in the Frequency Domain
Choi, Sang-Han, Chung, Jun-Young, Ryu, Yeun-Chul
Metabolites, 2022
1
자세에 따른 인체의 구조 및 생리학적 변화에 기반한 standing MRI 원천 기술 및 임상 적용 기술 개발
2
노인성 뇌질환 진단-치료를 위한 극초고자장 (11.7T) 뇌전용 MRI 시스템 개발
3
뇌질환 임상연구를 위한 다채널/다핵종 MRI System 개발