로고

이승완

이승완

소속

건양대학교 (방사선학과)

AI요약

이승완 건양대학교 방사선학과 부교수는 인공지능 및 딥러닝 기술을 의료 영상 분야에 융합하여 혁신적인 연구를 수행하고 있습니다. 특히, 디지털 단층합성영상(DT) 및 X-선, CT 영상의 노이즈 및 인공물 제거, 화질 개선, 그리고 딥러닝 기반의 진단 모델 개발에 집중하며, 의료 영상의 정확도와 진단 효율성을 극대화하는 데 기여하고 있습니다. 본 연구자는 흉부 X-선 영상 기반 폐렴 진단, 뇌출혈 진단 등 다양한 질병 진단 모델 개발과 이미지 아웃페인팅, 노이즈 제거 시스템 관련 특허를 보유하고 있습니다. 이승완 교수의 연구는 정밀한 의료 영상 분석을 통해 환자 진료의 질을 향상시키는 데 중요한 역할을 하고 있습니다.

기본 정보

연구자 프로필
이승완 프로필 사진
연구자 명이승완
직책부교수
이메일slee1@konyang.ac.kr
재직 상태재직 중
부서 학과방사선학과
사무실 번호042600844
연구실메디컬캠퍼스 죽헌정보관 375호
연구실 홈페이지-
홈페이지-
소속건양대학교

중요 키워드

#노이즈 제거#전산화단층촬영#강화학습#뇌출혈 진단#방사선#폐렴 진단#비파괴검사#딥러닝#AI#X-선#디지털 토모신세시스#생성적 적대 신경망#의료영상#영상처리#아티팩트 제거

연구 분야

연구 1의료 영상 AI 기반 노이즈 및 아티팩트 제거 기술
내용이 연구 분야는 인공지능과 딥러닝 기술을 활용하여 디지털 단층합성영상(DT), X-선, CT 영상 등 다양한 의료 영상에서 발생하는 노이즈와 인공물(아티팩트)을 효과적으로 제거하고 화질을 개선하는 데 중점을 둡니다. 본 연구는 의료 영상의 정확도를 향상시켜 오진율을 낮추고 진단 신뢰성을 높이는 것을 목표로 합니다. 특히, Wavelet 변환과 CNN을 결합한 희박뷰 전산화단층영상의 인공물 감소 기술, 심층강화학습을 이용한 디지털 토모신세시스(DT) 잡음 저감화 기술, 그리고 CMOS X-선 영상의 잡음 감소를 위한 필터링 기술 등 다양한 독자적 방법론을 개발해왔습니다. 이를 통해 영상 재구성 과정에서 필연적으로 발생하는 왜곡을 최소화하고, 고품질의 진단 이미지를 제공하여 의료진의 정확한 판단을 돕습니다. 비파괴검사 분야의 X-선 laminography 영상 아티팩트 제거 기술 개발 경험은 의료 외 분야로의 확장 가능성도 보여줍니다. 본 기술은 영상 화질 개선을 통해 환자의 진단 정확도를 높이고, 궁극적으로는 환자 안전에 기여하는 핵심적인 가치를 창출합니다.
연구 2딥러닝 기반 의료 영상 질병 진단 및 분석 시스템
내용본 연구 분야는 딥러닝 기술을 활용하여 의료 영상으로부터 다양한 질병을 자동으로 진단하고 분석하는 혁신적인 모델을 개발합니다. 흉부 X-선 영상 기반의 폐렴 진단, 전산화단층촬영(CT) 영상 기반의 뇌출혈 진단, 그리고 유방 내 병변 검출을 위한 분할 모델 개발 등이 주요 연구 내용입니다. 연구실은 YOLOv5s 모델과 같은 최신 딥러닝 아키텍처를 도입하여 진단 정확도와 효율성을 극대화하고 있습니다. 또한, 특허로 등록된 딥러닝 기반의 영상 아웃페인팅 장치 및 방법과 같이 의료 영상의 분석 전처리 및 후처리 과정에 필요한 이미지 처리 기술 개발에도 주력하여, 진단 모델의 성능을 보완하고 향상시키고 있습니다. 이러한 딥러닝 기반 진단 시스템은 의료진의 진단 부담을 경감시키고, 조기 진단 및 신속한 치료 결정을 지원함으로써 환자의 예후를 개선하는 데 중요한 역할을 합니다. 정밀한 의료 영상 분석을 통해 질병의 미묘한 징후까지 포착하여 진료의 질을 향상시키는 것이 본 연구의 궁극적인 목표입니다.
연구 3강화학습 및 생성 모델 활용 의료 영상 재건 및 최적화
내용이 연구는 강화학습(Reinforcement Learning)과 생성적 적대 신경망(GAN)과 같은 첨단 인공지능 모델을 활용하여 의료 영상의 재건과 최적화 기술을 선도합니다. 특히, 디지털 단층합성영상(DT)에서 발생하는 잘림 인공물을 심층 콘볼루션 생성적 적대 신경망으로 제거하고, 영상유도 적응형 방사선 치료를 위한 멀티 에이전트 강화학습 기반 초저선량 합성 CT 영상 생성 기술 개발에 집중하고 있습니다. 이는 환자의 방사선 피폭량을 최소화하면서도 고품질의 진단 및 치료 계획 영상을 얻는 데 필수적인 기술입니다. 또한, 특허로 등록된 데이터 변환을 적용한 멀티 에이전트 강화학습 기반 디지털 토모신세시스 영상 노이즈 제거 시스템과 같이 영상의 신뢰성을 높이고, 초고속 영상유도 방사선 치료를 위한 딥러닝 기반 저선량 s-IGDT 영상화 기술을 개발하여 치료 효율성과 안전성을 동시에 확보합니다. 이러한 연구는 의료 영상의 생성 및 처리 과정을 근본적으로 혁신하여, 진료 효율성을 높이고 환자 중심의 의료 서비스를 구현하는 데 기여하고 있습니다.

보유 기술 로딩 중...