방사선 독성 예측과 의료영상 분류를 위한 설명가능 AI 및 딥러닝 연구

Explainable AI for Radiation Toxicity Prediction and Deep Learning for Medical Image Classification

연구 내용

방사선치료 후 독성 위험을 예측하기 위해 설명가능한 모델 표현을 활용하고, 의료영상의 특징을 학습하는 딥러닝 기반 분류 방법을 통해 임상 의사결정 보조를 수행하는 연구

방사선치료의 임상 결과와 독성 발생 양상을 연결하기 위해 설명가능한 outcome representation 접근을 적용하여 예측에 사용되는 특징 기반 근거를 정리합니다. 또한 의료영상에서는 hyperspectral imaging 데이터를 활용해 병변의 스펙트럼 특성을 학습하는 convolutional neural network 기반 분류 프레임을 구축하고, 임상 적용을 고려한 unseen 데이터 검증 절차를 포함합니다. 두 연구 축은 예측과 분류에 필요한 입력 특성의 일관성을 확보하면서, 임상 사용을 염두에 둔 해석 가능성과 일반화 성능을 함께 점검하는 데 초점을 둡니다.

관련 프로젝트

0건

연구 흐름

2021년에는 폐암 방사선치료에서 독성 예측을 목표로 설명가능한 표현 기반 방법을 적용하고, 특징 분석을 통해 모델이 결과를 어떻게 반영하는지 정리하는 연구를 수행했습니다. 이후 해당 접근을 방사선 영역의 임상 데이터 해석 관점에서 확장할 수 있는 기반을 마련했습니다. 2024년에는 영상 기반 진단 문제로 연구 범위를 확장하여 hyperspectral 데이터에서 pigmented skin lesions를 분류하는 convolutional neural network 모델을 설계하고, 임상 적용을 위한 unseen 데이터 기반 검증을 수행했습니다. 현재는 예측·분류 태스크를 잇는 표현 학습과 설명 가능성/일반화 성능 점검을 중심으로 연구를 진행합니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

방사선 독성 위험도 예측 보조
설명가능한 예측 근거 도출
임상 의사결정 지원 대시보드
Hyperspectral 기반 피부 병변 분류
unseen 데이터 성능 검증 체계
특징 기반 모델 해석 파이프라인
딥러닝 입력 특성 표준화
전처리-모델-검증 통합 워크플로우
영상 판독 보조 도구
임상 적용용 성능 평가 설계