- 게시일자
- 2022-10-28
- 조회수
- 436
영상계산 및 머신러닝(ICML) 연구실 - 2022 대한의료인공지능학회 추계 학술대회 최우수상 -
<(좌) 서울대학교병원 융합의학과 공현중 학술이사, (우) 부산대 ICML 연구실 최원준 석사과정 학생>
지난 2022년 10월 13-14일 대한의료인공지능학회에서는 'KoSAIM 2022'를 코엑스 인터컨티넨탈 호텔에서 개최하였다. 본 행사에서는 의료 분야와 접목된 인공지능 사례 발표와 함께 AI 기반 솔루션 및 의료 인공지능이 나아갈 방향 등에 대한 관련 병원, 대학, 연구소, 기업, 정부에서 참가하였다.
이틀에 걸친 학회는 구연발표, 포스터발표 및 포스터 전시 세션이 사전에 제출한 연구 내용을 바탕으로 총 45개의 연구가 채택 되었으며, 포스터 발표 세션에서 영상계산 및 머신러닝 연구실 최원준(21학번, 지도교수 감진규 교수) 석사과정 학생이 최우수상(1등) 및 상금 30만원을 수상하였다. 시상은 세션별 최우수상 1명, 우수상 2명, 장려상 3명 순으로 진행됐다.
이틀에 걸친 학회는 구연발표, 포스터발표 및 포스터 전시 세션이 사전에 제출한 연구 내용을 바탕으로 총 45개의 연구가 채택 되었으며, 포스터 발표 세션에서 영상계산 및 머신러닝 연구실 최원준(21학번, 지도교수 감진규 교수) 석사과정 학생이 최우수상(1등) 및 상금 30만원을 수상하였다. 시상은 세션별 최우수상 1명, 우수상 2명, 장려상 3명 순으로 진행됐다.
대한의료인공지능학회는 한국의학한림원과 함께 인공지능기술의 발전과 의료적용 관심, 요구 증대에 발 맞춰 공학/의학 분야의 연구개발을 위해 지속적인 소통의 장을 개최할 예정이라고 밝혔다.
* 최원준 학생 포스터
- 포스터 제목 : 비정형 파킨슨병 신드롬 진단을 위한 자화율 강조 자기공명영상 기반 FEW-SHOT 프레임워크
- Abstract : 진핵성핵상마비(PSP)와 다계통위축증(MSA-P)은 비정형 파킨슨병 증후군의 일종으로 유사한 증상과 징후를 보이지만 원인과 치료방법이 상이하기 때문에 해당 병변을 구분하는 것은 임상적으로 중요하다. PSP와 MSA-P는 deep brain nuclei 영역인 globus pallidus와 putamen 영역의 철 축적 분포에 대한 고유한 패턴을 보이기 때문에, 철에 민감한 MRI인 자화율 강조 자기공명영상(SWI)를 이용하여 철 분포의 고유한 패턴을 추출하여 PSP와 MSA-P 병변을 분류하고자 하였다. 또한, 본 연구는 20개 이하의 적은 데이터로도 비정형 파킨슨병 증후군을 높은 성능으로 분류할 수 있는 few-shot learning 기반 새로운 프레임워크를 제안한다. 결론적으로 이전 최대 85%의 분류 성능에 비해 92%까지 향상 되었으며, 실제 병변을 분류하는 영역의 가설이 XAI를 통해 딥러닝 모델의 분류에 기여한 영역과 일치하는 것을 검증하였다.
* 최원준 학생 포스터
- 포스터 제목 : 비정형 파킨슨병 신드롬 진단을 위한 자화율 강조 자기공명영상 기반 FEW-SHOT 프레임워크
- Abstract : 진핵성핵상마비(PSP)와 다계통위축증(MSA-P)은 비정형 파킨슨병 증후군의 일종으로 유사한 증상과 징후를 보이지만 원인과 치료방법이 상이하기 때문에 해당 병변을 구분하는 것은 임상적으로 중요하다. PSP와 MSA-P는 deep brain nuclei 영역인 globus pallidus와 putamen 영역의 철 축적 분포에 대한 고유한 패턴을 보이기 때문에, 철에 민감한 MRI인 자화율 강조 자기공명영상(SWI)를 이용하여 철 분포의 고유한 패턴을 추출하여 PSP와 MSA-P 병변을 분류하고자 하였다. 또한, 본 연구는 20개 이하의 적은 데이터로도 비정형 파킨슨병 증후군을 높은 성능으로 분류할 수 있는 few-shot learning 기반 새로운 프레임워크를 제안한다. 결론적으로 이전 최대 85%의 분류 성능에 비해 92%까지 향상 되었으며, 실제 병변을 분류하는 영역의 가설이 XAI를 통해 딥러닝 모델의 분류에 기여한 영역과 일치하는 것을 검증하였다.
- 첨부파일
- 첨부파일이(가) 없습니다.