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.

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.