의료영상은 관심 영역이 작고 형태 변화가 크며, 데이터 특성상 모델의 안정적인 일반화가 중요합니다. 췌장 영역 분할과 퇴행성 관절염 분류 모두 영상 전처리, 모델 구조, 평가 기준을 신중하게 설계해야 했습니다.
췌장 CT segmentation에서는 다중 연쇄 U-Net 기반 MCU-Net 구조를 활용했고, 관절염 분류에서는 딥러닝 모델 앙상블을 구성했습니다. 영상 처리와 CNN 계열 모델을 조합해 병변 또는 관심 영역의 표현을 개선했습니다.
의료영상 연구 결과를 CMC 2023 SCIE 논문과 KCI 논문으로 발표했습니다. 제품 프로젝트와는 다른 고위험 도메인에서 데이터 품질, 평가, 모델 설명 가능성을 다루는 연구 경험을 확보했습니다.
- 다중 연쇄 U-Net 구조를 활용해 췌장 영역 분할 탐지 성능을 개선했습니다.
- 퇴행성 관절염 분류에서는 딥러닝 모델 앙상블로 전문의 앙상블 77.05% 기준과 비교한 연구를 수행했습니다.
- 의료 영상 연구 결과는 CMC 2023 SCIE 논문과 KCI 논문으로 발표했습니다.