RnDCircle Logo
현홍근 연구실
서울대학교 치의학과 현홍근 교수
Pediatric dentistry
Dental AI
Image segmentation
연구 영역
기본 정보
논문·특허
과제
구성원

현홍근 연구실

서울대학교 치의학과 현홍근 교수

현홍근 연구실은 소아 치과 영역에서 영상 기반 진단 보조와 수복 재료의 물성 평가, 그리고 교정 이상에 대한 임상 의사결정 연구를 수행합니다. 딥러닝 기반 방사선 세그멘테이션을 통해 임팩티드 메시오덴스의 자동 분할과 진단 시간 단축 가능성을 검증하고, 연마·칫솔질 조건에서 레진 복합재의 Ra 및 GU 변화를 분석합니다. 또한 보편형 접착제와 칼슘 실리케이트 기반 재료의 전단결합강도, 스프린팅 및 bulk-fill 복합재의 색 안정성·투명도 변화를 분광 측정으로 평가합니다. 아울러 MRIM/MIM, 치근 성장과 아픽 포라멘 폐쇄, Jones jig 장치 증례를 통해 발달 구간과 치료 타이밍의 근거를 축적합니다.

Pediatric dentistryDental AIImage segmentationResin compositeUniversal adhesive
대표 연구 분야
연구 영역 전체보기
소아 파노라마 방사선 기반 임팩티드 메시오덴스 자동 분할 진단 연구 thumbnail
소아 파노라마 방사선 기반 임팩티드 메시오덴스 자동 분할 진단 연구
Automatic segmentation and diagnosis of impacted mesiodens from pediatric panoramic radiographs
연구 분야 상세보기
연구 성과 추이
표시된 성과는 수집된 데이터 기준으로 산출되며, 일부 차이가 있을 수 있습니다.
주요 논문
5
논문 전체보기
1
Article
|
인용수 0
·
2025
Comparison of Color Stability Between Single-Layer Bulk-Fill Composites and Bilayer Conventional and Bulk-Fill Composites
Hyunduk Kim, Hyuntae Kim, Ji‐Soo Song, Mohammed Ali AlQarni, Mohammad Alkeshan, Teo Jeon Shin, Young‐Jae Kim, Jung‐Wook Kim, Ki‐Taeg Jang, Hong‐Keun Hyun
THE JOURNAL OF THE KOREAN ACADEMY OF PEDTATRIC DENTISTRY
본 연구는 벌크-필(resin-based) 복합레진 컴포지트의 색 안정성과 반투명도를 평가하고자 하였다. 특히 단독 사용 시와 기존(전통) 복합레진으로 캡핑(capping)했을 때의 차이를 비교하였다. 벌크-필 3종(Tetric N-Ceram Bulk Fill, Beautifil-Bulk Restorative, Filtek One Bulk Fill Restorative)과 기존 복합레진 1종(Filtek Z250 Universal Restorative)을 사용하였다. 총 48개의 원판형 시편(직경: 10 mm, 두께: 2 mm)을 벌크필 컴포지트 3종과 기존 컴포지트 레진 1종을 이용해 제작하였다. 또한 각각의 벌크-필 컴포지트 1 mm에 상부에 기존 복합레진 레이어 1 mm를 결합하여 36개의 이층(bilayer) 시편을 준비하였다. 색상 평가는 분광광도계(spectrophotometer)를 사용하여 측정하였으며, 시편은 4주 동안 증류수 또는 차(tea)에 보관하였다. 색 차이(ΔE*ab)는 Commission Internationale d’Eclairage L*a*b* 시스템에 근거하여 계산하였고, 반투명도 매개변수를 결정하였다. 증류수에서는 색 안정성이 유지되었으나, 차에 침적한 경우에는 지각 가능성과 허용 가능성 역치를 모두 초과하는 유의한 변색이 나타났다. Tetric N-Ceram Bulk Fill이 가장 높은 색 안정성을 보였고, 그다음으로 Filtek One Bulk Fill Restorative와 Beautifil-Bulk Restorative가 뒤를 이었다. 캡핑 레이어를 포함한 벌크-필 컴포지트는 캡핑하지 않은 시편과 유사하거나 더 우수한 색 안정성을 보였다. 벌크-필 컴포지트의 반투명도는 기존 컴포지트보다 높았으며, 이층 시편은 중간값을 보였다. 따라서 기존 복합레진으로 벌크-필 컴포지트를 캡핑하면 장기 색 안정성을 개선할 수 있으며, 반투명도는 다소 감소하되 결과적으로 후방(restorations) 수복에서 심미적 결과를 향상시킬 수 있을 것으로 사료된다.
https://doi.org/10.5933/jkapd.2025.52.3.266
Composite material
Materials science
Bilayer
Layer (electronics)
Stability (learning theory)
Membrane
Computer science
2
Article
|
인용수 9
·
2024
Image segmentation of impacted mesiodens using deep learning
Hyuntae Kim, Ji‐Soo Song, Teo Jeon Shin, Young‐Jae Kim, Jung‐Wook Kim, Ki‐Taeg Jang, Hong‐Keun Hyun
IF 2.2 (2024)
Journal of Clinical Pediatric Dentistry
본 연구는 소아 파노라마 방사선사진에서 매복된 중절치(mesiodens)의 분류 및 분할(segmentation)에 대한 딥러닝 알고리즘의 성능을 평가하고자 하였다. 본 연구에는 3–9세 소아 환자의 파노라마 방사선사진 850장을 포함하였다. 상악 전방 부위에서 중절치의 탐지 및 분할을 위해 U-Net 의미론적 분할(semantic segmentation) 알고리즘을 적용하였다. 알고리즘의 성능을 향상시키기 위해 인코딩 경로(encoding path)에 사전 학습된 ResNet 모델을 적용하였다. 분할 성능은 Jaccard index와 Dice coefficient를 사용하여 평가하였다. 진단 정확도, 정밀도(precision), 재현율(recall), F1-score 및 진단 소요 시간(time to diagnosis)을 테스트 데이터셋을 사용하여 사람 전문가 집단과 비교하였다. 모델과 사람 집단 간 Cohen's kappa 통계를 비교하였다. 분할 모델은 높은 Jaccard index 및 Dice coefficient(>90%)를 보였다. 중절치 진단에서 학습된 모델은 91–92%의 정확도와 94–95%의 F1-score를 달성하였으며, 이는 사람 전문가 집단 결과(96%)와 비교 가능하였다. 딥러닝 모델의 진단 소요 시간은 7.5초였고, 사람 집단에 비해 중절치 탐지에서 유의하게 더 빠른 것으로 나타났다. 딥러닝 모델과 사람 전문가 간의 일치도는 중등도였으며(Cohen's kappa = 0.767), 제안된 딥러닝 알고리즘은 양호한 분할 성능을 보였고 중절치 진단에서 사람 전문가의 성능에 근접하면서도 유의하게 더 빠른 진단 시간을 나타냈다.
https://doi.org/10.22514/jocpd.2024.059
Segmentation
Artificial intelligence
Computer science
Deep learning
Computer vision
Psychology
3
Article
|
인용수 3
·
2024
Color stability and translucency of newly developed composites for splinting teeth
Hyun-Ji Shin, Hyuntae KIM, Wonjoon Moon, Jisoo Song, Hong‐Keun Hyun
IF 1.9 (2024)
Dental Materials Journal
이 연구는 임상 스플린팅 기간 동안 다양한 염색 용액을 사용하여 치과 외상 스플린트용으로 새롭게 개발된 복합재의 색채 측정(색도) 특성을 조사하고자 하였다. G-Fix (GF), Ortho Connect Flow (OC), Light Fix (LF), Filtek Z350XT (FZ)의 투명한 색상을 각각 96개의 원판형 시편으로 제작하였다. 각 복합재 군의 시편은 증류수, 커피, 차, 레드와인 용액에 넣고 37ºC에서 보관하였다. 시편을 준비한 후 24시간 및 각 용액에서 보관한 1일, 1주, 2주, 3주, 4주 시점에 분광광도계를 사용하여 CIE 값을 측정하였다. 색차와 반투명도 매개변수는 초기 측정값과 측정값을 이용하여 계산하였다. 실험 기간 동안 GF, OC, LF의 색차는 증류수를 제외한 모든 염색 용액에서 초기 측정치 대비 FZ의 색차보다 작았다. GF, OC, LF 군 간에는 유의한 색차가 없었다.
https://doi.org/10.4012/dmj.2023-257
Distilled water
Materials science
Composite material
Dentistry
Splints
Color difference
Biomedical engineering
Orthodontics
Chromatography
Medicine
최신 정부 과제
5
과제 전체보기
1
주관|
2018년 6월-2021년 12월
|693,217,000
의료 빅데이터 융합 전문가 인력 양성을 위한 비정형 빅데이터의 정형화 기술 및 분석 플랫폼 개발
● 의료 동영상 유형별 기본 메타데이터 정의 - 의료 동영상 모달리티 별로 질환 특성을 고려한 임상메타정보를 정의함: 소화기내과, 응급의학과, 갑상선 외과 ● 의료빅데이터 분야 공통데이터모델 제안 - 국제적으로 제안된 영상 공통데이터자료모델(CDM)을 검토하여 비방사선 영상에 대한 공통데이터 모델안 마련 - 원본 비방사선 이미지에서 DICOM 파일 형식에서의 Metadata 및 Pixeldata를 추출하고 이미지 CDM에 필요한 데이터를 결합하여 DB 형식으로 저장하고 이를 CDM으로 변환 ● 생체 신호 데이터베이스 관련 전문 인력을 양성함 - 플랫폼 보급을 위해 Vital Recorder를 이용한 생체 신호 수집 시스템의 보급 인력을 양성함 - 수집된 생체신호 데이터를 관리, 분석할 수 있는 전문 인력을 양성함 - 개발자들이 임상에서 얻어진 생체 신호 데이터를 적절히 해석하고 이용할 수 있도록 지원 ● 생체 신호 관련 워크샵 개최 - 여러 기관 연구자들이 데이터를 통합하여 다기관 연구를 수행할 수 있도록 워크샵을 개최하여 노하우를 전수하고 교류를 지원 ● 오디오 데이터의 수집, 관리, 분석 관련 전문 인력의 양성 - 병원 및 가정에서 발생하는 헬스케어 관련 오디오 데이터를 효율적으로 수집 및 관리하고 연구 개발에 이용가능한 데이터베이스를 구축할 수 있도록 지원 ● 오디오 데이터 익명화 및 질관리 프로세스 정립 - 수집된 모든 데이터는 환자 임상시험데이터 비식별화 정보보호 위원회를 통하여 개인 식별 요소를 제거하여 개인정보가 비식별화된 정보로 만듦. ● A.I (Artificial Intelligence)를 활용한 Interactive Communication 구축: ZeroOne AI과 함께 연구 ● 오디오 빅데이터 DB를 활용한 예측, 분류 모형 개발 및 표준화 ● 임상 비정형 빅데이터 정형화 - 임상데이터, 바이탈 데이터, 수술 영상 등의 영상 데이터, 오디오 데이터와 같은 비정형 데이터 중 의미있는 정보를 담고있는 부분을 추출해서 저장하는 정형화 작업 진행 - 특히 음성정보나 수술영상과 같은 오디오 및 비디오 데이터는 재생기간 중 중요한 부분만을 요약해서 메타정보 형태로 저장하는 정형화 작업이 필요 - 정형화가 예상한대로 되었는지 확인하는 데이터 품질체크 및 보정도 적용할 계획임 ● 의료서비스에 있어 진료품질과 환자안전 향상을 위해 비정형 의료 영상 빅데이터에 대한 비식별화 등의 정보보호 방안을 개발함. ● 의료서비스에 있어 진료품질과 환자안전 향상 및 신개념 의료기기 산업화 수요에 부응해 의료 빅데이터에 대한 정책 전략 방안을
비정형 빅데이터
빅데이터 융합 전문가
의료 빅데이터 플랫폼
헬스 빅데이터
헬스IT
2
주관|
2018년 6월-2021년 12월
|860,000,000
의료 빅데이터 융합 전문가 인력 양성을 위한 비정형 빅데이터의 정형화 기술 및 분석 플랫폼 개발
[제1세부] 의료 동영상 빅데이터의 수집 및 활용을 위한 융합형 전문 인력 양성 1. 의료 동영상 데이터 특성에 따른 DB 구조 설계 2. 의료 동영상 빅데이터 DB 구축 및 질 관리 프로세스 정립 3. 의료 동영상 데이터 시각화 모델 개발 4. 의료 동영상 빅데이터 배포를 위한 GUI 개발을 위한 사용자 측의 요구사항 및 필요성 수렴 5. 비정형 의료 동영상 데이터의 구축, 관리, 분석 및 활용을 위한 기술 습득과 수요자 중심의 활용모델, 수요자 맞춤형 인재 양성 교육 등을 통해 융합 전문 인력을 양성하고 표준화 선도 6. 동영상 의료빅데이터의 정보화 과정을 통해 AR/VR을 활용한 의료진 교육, AI 산업 분야에 원천이 될 수 있는 데이터 가치화 활용기반 구축 [제2세부] 생체 신호 빅데이터의 수집 및 활용을 위한 융합형 전문 인력 양성 1. 생체 신호 수집 플랫폼인 Vital Recorder 시스템을 개발, 유지, 개선 2. 수집된 생체신호 데이터를 관리, 분석할 수 있는 전문 인력을 양성 3. 개발자들이 임상에서 얻어진 생체 신호 데이터를 적절히 해석하고 이용할 수 있도록 지원 4. 수술 후 환자 생체 신호 수집을 위해 웨어러블 모니터로부터 데이터를 실시간 감시하고 동시에 저장할 수 있도록 현재 시스템을 확장 개발 5. 기관 연구자들이 데이터를 통합하여 다기관 연구를 수행할 수 있도록 워크샵 개최 등 교류 지원 [제3세부] 의료 서비스 디자인, 헬스커뮤니케이션 오디오 빅데이터 축적 및 활용을 위한 융합형 전문 인력 양성 1. 마이크 어레이를 사용한 응급실 멀티채널 오디오 데이터 수집 2. 객관 구조화 진료시험(OSCE) 및 학생 표준 음성데이터 수집 및 활용 3. AI 교육/연구자를 위한 보안화된 하이브리드 인공지능 분석 시스템 개발 4. 의료분야의 인공지능 음성분석 기술을 이용한 비즈니스 모델 개발 연구 5. 의료 현장 사용자 맞춤형 인공지능 음악 추천 연구 [제4세부] 임상 비정형 빅데이터 통합 및 활용을 위한 개방형 플랫폼 개발 1. 의료 비정형 데이터의 수집 및 통합관리를 위한 데이터 규격 정의 2. 의료 비정형 데이터 통합관리 플랫폼 개발 3. 의료빅데이터 통합DB 활용 모델 개발 4. 의료데이터 비식별화를 위한 데이터 암복호화 기술 적용 [제5세부] 수술 동영상 빅데이터의 수집 및 활용을 위한 정보보호 전문인력 양성 1. 수술 동영상 분야 정보보호, 비식별화 및 정책전문가 양성을 위한 교육 지원 및 연구 1. 수술 동영상 빅데이터에 대한 분산형연구네트워크(DRN) 표준 모델 개발
비정형 빅데이터
빅데이터 융합 전문가
의료 빅데이터 플랫폼
헬스 빅데이터
헬스IT
3
주관|
2018년 6월-2023년 12월
|860,000,000
의료 빅데이터 융합 전문가 인력 양성을 위한 비정형 빅데이터의 정형화 기술 및 분석 플랫폼 개발
[제1세부과제] 의료 동영상 빅데이터의 수집 및 활용을 위한 융합형 전문 인력 양성 ● 의료동영상 빅데이터의 수집 및 활용을 위한 융합형 전문인력 양성 ● 비정형 동영상 의료빅데이터의 해석을 위한 정형화 기술 및 표준화 프로세스 연구 ● 비정형 의료동영상 데이터의 구축, 관리, 분석 및 활용을 위한 기술 습득과 수요자 중심의 활용모델, 수요자 맞춤형 인재양성 교육 등을 통해 융합 전문인력을 양성하고 표준화 선도 ● 동영상 의료빅데이터의 정보화 과정을 통해 AR/VR을 활용한 의료진 교육, AI 산업 분야에 원천이 될 수 있는 데이터 가치화 활용기반 구축 [제2세부과제] 생체 신호 빅데이터의 수집 및 활용을 위한 융합형 전문 인력 양성 ● 생체 신호 데이터 관련 전문 인력을 양성함 ● 주수술기 환자의 생체 신호 수집 방법을 개발하고 표준화함 ● 생체 신호 수집 도구와 노하우를 보급함 ● 생체 신호 데이터베이스를 구축과 이용을 장려함 [제3세부과제] 의료 서비스 디자인, 헬스커뮤니케이션 오디오 빅데이터 축적 및 활용을 위한 융합형 전문 인력 양성 ● 마이크 어레이를 사용한 응급실 멀티채널 오디오 데이터 수집 ● 객관 구조화 진료시험(OSCE) 및 학생 표준 음성데이터 수집 및 활용 ● AI 교육/연구자를 위한 보안화된 하이브리드 인공지능 분석 시스템 개발 ● 의료분야의 인공지능 음성분석 기술을 이용한 비즈니스 모델 개발 연구 ● 의료 현장 사용자 맞춤형 인공지능 음악 추천 연구 [제4세부과제] 임상 비정형 빅데이터 통합 및 활용을 위한 개방형 플랫폼 개발 ● AI학습용 데이터 구축을 위한 의료비정형데이터 레이블링 시스템 구축 및 활용 ● 다병원 비정형데이터 통합관리 시스템 시범 운영 [제5세부과제] 수술 동영상 빅데이터의 수집 및 활용을 위한 정보보호 전문인력 양성 ● 수술 영상 빅데이터에 대한 분산형연구네트워크(Distributed Research Network, DRN) 표준 모델 제안 ● 로봇 수술시 카메라스코프로 촬영된 환자의 수술 영상을 실시간 인코딩 및 송출하는 미디어서버로 영상데이터를 실시간 저장 및 네트워크 통한 아카이브, 데이터베이스화하고 이를 의료교육용으로 최적화, OTT 시스템으로 구축함 ● 실시간 인코딩 및 송출용 미디어서버 개발 ● 수술영상을 활용한 의료교육용 OTT 시스템 개발
비정형 빅데이터
빅데이터 융합 전문가
의료 빅데이터 플랫폼
헬스 빅데이터
헬스IT
최신 특허
특허 전체보기
상태출원연도과제명출원번호상세정보
등록2016치수 검사 장치1020160176089
거절2004아동용 치아 트레이1020040110087-
전체 특허

치수 검사 장치

상태
등록
출원연도
2016
출원번호
1020160176089

아동용 치아 트레이

상태
거절
출원연도
2004
출원번호
1020040110087