의료 인공지능 기반 비강 병변 감별 및 영상 학습 모델 연구

Medical AI for Nasal Lesion Differentiation and Image-Based Learning

연구 내용

코 내시경 영상 패치 추출과 뉴럴 네트워크 병변 검출을 결합해 비강종물 감별 모델을 학습하고, CT 결합 영상 기반 감별 성능을 높이는 연구

김태훈 연구실은 코 내시경 영상으로부터 비강 영역을 포함한 패치를 추출하고, 뉴럴 네트워크 기반 병변 검출 모델을 학습한 뒤 영상에서 병변 존재 여부를 추정하는 구조를 연구합니다. 병변이 검출된 경우 코 내시경 영상과 CT 이미지를 결합한 영상으로 감별 모델을 추가 학습하도록 설계합니다. 이를 위해 의료 현장 적용을 고려한 디지털바이오·유전체 분석·병리 이미지 분석 역량과 의료 인공지능 기반 데이터 처리 파이프라인을 함께 활용합니다.

관련 프로젝트

2건

연구 흐름

초기에는 비강종물 감별을 위한 모델 학습 방법과 장치의 구성 요소를 정의하고, 코 내시경과 CT를 결합하는 학습 절차로 모델 고도화를 수행하는 방향으로 연구가 진행되었습니다. 2022년에는 병변 검출과 감별을 연결하는 학습 단계를 포함하는 특허 기반 기술을 확보했습니다. 이후 2020년대의 AI 인재양성 및 디지털바이오 융합 과정에서 영상 기반 데이터 처리와 의료 AI 구현 역량을 확장하였고, 2024년부터는 AI+X 현장 실무형 디지털바이오 글로벌 융합 인재 양성 과제를 통해 의료 현장 적용 가능성을 고려한 통합 역량을 강화하고 있습니다.

활용 가능성

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

코 내시경 영상 기반 병변 감별 자동화
CT-영상 결합 기반 병변 존재 추정
뉴럴 네트워크 기반 병변 검출
감별 모델 학습 파이프라인 구축
비강 병변 판독 표준화 지원
의료 현장 워크플로 통합 진단 모듈
영상-검체 연계 분석 체계화
학습 데이터셋 구성 및 품질 관리
의료 AI 기반 성능 검증 체계
디지털바이오 기반 의료 분석 플랫폼