| 제 목 | 박사과정 방소연(지도교수 정희철), 의료 영상 AI 연구로 ACCV 2026 논문 발표 | ||||
|---|---|---|---|---|---|
| 작성자 | 관리자 | 작성일 | 2026-11-17 | 조회수 | 114 |
| 첨부파일 | |||||
| 인공지능학과 방소연 박사과정생(지도교수 정희철)의 논문 ‘Stabilizing and Aligning Self-Supervised Knowledge for Medical Image Classification’이 컴퓨터비전 분야 국제학술대회 ACCV 2026에 채택됐다. 논문은 오는 12월 일본 오사카에서 포스터로 발표될 예정이다. ACCV는 영상 인식과 이해 분야의 최신 연구 성과를 공유하는 아시아의 주요 컴퓨터비전 학술대회다. 의료 영상 AI를 학습시키려면 질환명이나 진단 결과 등 정답 정보(라벨)가 붙은 데이터가 필요하다. 그러나 이러한 데이터를 구축하는 데에는 전문 인력과 많은 시간·비용이 필요해, 라벨 없는 의료 영상에서 유용한 특징을 미리 학습하는 자기지도학습이 주목받고 있다. 본 논문은 라벨 없는 의료 영상으로 사전학습한 AI의 지식을 질환 분류 모델에 안정적으로 전달하는 ‘구조 정렬’ 기술을 제안했다. 기존에는 의료 영상으로 사전학습한 모델을 질환 분류에 활용할 때 일반 이미지로 학습한 모델보다 오히려 성능이 떨어지는 경우가 있었다. 연구팀은 분류 범주별 기준점으로 모델의 판단 기준을 안정화하고, 사전학습 모델이 파악한 의료 영상 간 관계 구조를 분류 모델에 전달하는 방식으로 이를 개선했다. CT, MRI, X-ray 등 7개 공개 의료 영상 데이터셋에서 평가한 결과, 네 가지 평가 지표에서 비교 기법 중 가장 높은 평균 성능을 기록했다. 평균 균형 정확도는 일반 이미지로 사전학습한 모델을 미세조정한 기준 방법의 79.9%에서 81.5%로 향상됐다. 또한 모델의 깊이나 구조를 달리한 경우에도 평균 성능이 향상됐으며, 다른 자기지도학습 방식에도 적용할 수 있음을 확인했다. 정희철 교수는 “이번 연구는 라벨이 부족한 의료 환경에서 사전학습 지식을 효과적으로 활용하는 방법을 제시했다는 데 의미가 있다”며 “의료 영상 AI의 성능과 활용 가능성을 높이는 데 기여할 것으로 기대한다”고 말했다. |
|||||
| [좋아요 1 ] | |||||



