의료영상 AI 학습 데이터셋 구축 및 radiomics 기반 기계학습 모델 고도화 연구

Medical Imaging AI Dataset Construction and Improvement of Radiomics-based Machine Learning Models

연구 내용

정답 데이터 생성과 표준화된 의료영상 데이터셋을 구축하고 radiomics 기반 분류 모델을 개발하는 연구

의료영상 분석에서 학습 데이터의 표준화는 모델 성능과 재현성에 직접적인 영향을 미칩니다. 연구실은 인공지능 학습용 데이터셋 구축 과제를 통해 의료영상 데이터 수집과 정답 데이터 생성(레이블링) 절차를 표준화하는 방향으로 연구를 수행합니다. 동시에 자기공명 기반 radiomics에서 특징 추출과 중요도 선별을 통해 저·고등급 병변 분류 모델을 구성하고, 모델 입력으로 사용할 영상 시퀀스의 역할을 비교합니다. 랜덤포레스트 기반 학습을 적용해 분류 근거가 되는 특징을 도출하며, 영상 기반 정보와 병리학적 기준 간의 연계를 강화하는 구성을 갖습니다. 이를 통해 실제 임상 환경에서 적용 가능한 분석 워크플로우 기반을 확보합니다.

관련 프로젝트

1건

연구 흐름

초기에는 학습용 의료영상 데이터셋을 확보하기 위한 수집 체계를 마련하고, 정답 데이터 생성과 표준화 기준을 정립하는 데 집중했습니다. 이후 자기공명 탄성영상에서 radiomics 특징을 추출하고 랜덤포레스트 기반 분류기로 섬유화 단계 구분 가능성을 검증했습니다. 같은 학습 철학을 자기공명 영상 radiomics로 확장하여 투명세포 신세포암의 등급을 비침습적으로 예측하는 모델을 개발했습니다. 현재는 데이터셋 구축 활동과 모델 개발 결과를 연결해 외부 검증 및 재현성 향상으로 연구를 이어가고 있습니다.

활용 가능성

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

의료영상 정답 데이터 생성 체계
데이터 수집 표준화
레이블 품질 관리 절차
radiomics feature 추출 파이프라인
랜덤포레스트 기반 중요도 분석
영상 시퀀스 조합 실험 설계
모델 입력 스키마 표준
외부검증용 데이터 분할 기준
워크플로우 재현성 확보
다기관 학습 데이터 거버넌스