한소율 연구실은 음성 스푸핑 및 딥페이크 탐지 분야에서 선도적인 연구를 수행하고 있습니다. 최근 인공지능과 딥러닝 기술의 발달로 인해 음성 합성 및 변조 기술이 급격히 발전하면서, 실제와 구분하기 어려운 가짜 음성 데이터가 생성되고 있습니다. 이에 따라 음성 기반 인증 시스템의 보안 위협이 증가하고 있으며, 이를 효과적으로 탐지하고 방어하는 기술의 필요성이 대두되고 있습니다. 연구실에서는 Residual Network(ResNet), Max Feature Map, Depthwise Separable Convolution, wav2vec 2.0 등 다양한 딥러닝 기반 모델을 활용하여 음성 스푸핑 탐지의 정확도를 높이고, 실제 환경에서의 적용 가능성을 높이기 위한 경량화 및 실시간 처리 기술을 개발하고 있습니다. 또한, Frequency Feature Masking(FFM)과 같은 데이터 증강 기법을 도입하여 노이즈 환경에서도 높은 탐지 성능을 유지할 수 있도록 연구하고 있습니다. 이러한 기술들은 국제 대회(ASVspoof, ADD Challenge 등)에서 우수한 성적을 거두며 그 우수성이 입증되었습니다. 더불어, 연구실은 해석 가능한 인공지능(Interpretable AI) 기반의 음성 스푸핑 탐지 프레임워크(iWAX)도 개발하고 있습니다. 이를 통해 딥러닝 모델이 음성 신호의 어떤 부분에 주목하여 스푸핑 여부를 판단하는지 설명할 수 있으며, 실제 서비스 적용 시 신뢰성과 투명성을 높이고 있습니다. 이러한 연구는 미래의 음성 기반 인증 및 보안 시스템의 핵심 기술로 자리매김할 전망입니다.

한소율 연구실은 딥러닝을 활용한 심장 잡음(Heart Murmur) 및 생체 신호 분석 분야에서도 활발한 연구를 진행하고 있습니다. 심장 잡음은 선천성 심장질환 등 다양한 심장 질환의 조기 진단에 중요한 역할을 하며, 특히 의료 인프라가 부족한 지역에서는 비침습적이고 비용 효율적인 진단 도구로서의 가치가 높습니다. 연구실은 심장음(Phonocardiogram, PCG) 데이터를 다양한 주파수-시간 영역 특성(Log-mel Spectrogram, STFT, CQT 등)으로 변환하여, CNN, Light CNN 등 딥러닝 모델에 적용하는 방법을 개발하고 있습니다. 이러한 연구는 George B. Moody PhysioNet Challenge 등 국제 대회에서 상위권 성적을 거두며 그 성과를 인정받고 있습니다. 특히, 멀티채널 심장 신호 처리(MCHeart) 및 피크 간격, 잡음 특성 등 다양한 피처를 결합한 모델을 통해 진단 정확도를 크게 향상시켰습니다. 또한, Residual Block, Multi-Head Attention(MHA) 등 최신 딥러닝 구조를 적용하여 모델의 성능과 해석력을 동시에 높이고 있습니다. 연구실의 심장 잡음 탐지 연구는 의료 현장에서의 실질적인 활용을 목표로 하며, 비침습적 진단, 원격 모니터링, 모바일 헬스케어 등 다양한 응용 분야로 확장되고 있습니다. 이를 통해 심장 질환의 조기 발견과 환자 맞춤형 치료에 기여하고, 궁극적으로 국민 건강 증진에 이바지하고자 합니다.

한소율 연구실은 빅데이터 시대에 적합한 데이터 시각화 및 의료 데이터 분석 기법 개발에도 주력하고 있습니다. 방대한 데이터로부터 유의미한 인사이트를 도출하기 위해서는 효과적인 시각화가 필수적이며, 연구실은 Python 등 프로그래밍 언어를 활용한 실용적인 시각화 방법론을 연구하고 있습니다. 이를 통해 연구자들이 복잡한 데이터를 직관적으로 이해하고, 패턴 및 이상 징후를 신속하게 파악할 수 있도록 지원합니다. 특히, COVID-19 팬데믹과 같은 대규모 보건 이슈에 대응하기 위해, 연구실은 다양한 기관에서 생성되는 비임상 효능시험 데이터를 통합 관리할 수 있는 실험실 정보관리시스템(LIMS)을 개발하였습니다. 이를 통해 데이터의 상호운용성과 신뢰성을 확보하고, 임상 및 역학 연구의 효율성을 높이고 있습니다. 또한, 중환자실(ICU) 사망률 예측, 코로나19로 인한 초과 사망률 분석 등 실제 의료 현장에서 활용 가능한 예측 모델 및 통계 분석 연구도 활발히 이루어지고 있습니다. 이러한 연구는 의료 데이터의 체계적 관리와 분석을 통해 보건의료 정책 수립, 환자 맞춤형 치료, 공중보건 위기 대응 등 다양한 사회적 요구에 부응하고 있습니다. 앞으로도 연구실은 데이터 기반의 의료 혁신을 선도하며, 데이터 과학과 의료의 융합을 통한 새로운 가치를 창출할 계획입니다.