이상철 교수

서로 다른 의료 기기와 촬영 조건에서 발생하는 영상 도메인 간 차이(domain gap)를 극복하기 위해 사전 학습 모델 기반 소스 지식 추출 및 데이터 생성 기술을 연구하고 있습니다. 다중 스케일-주파수 주의 메커니즘을 활용한 도메인 일반화 의료 영상 분할 기술인 MADGNet을 개발했으며, 주파수 도메인에서의 데이터 증강과 비지도 도메인 적응 기법을 결합해 서로 다른 촬영 장비 간 성능 저하 문제를 해결하는 방법론을 구축했습니다. 사전 학습된 모델로부터 소스 도메인의 지식을 추출하고 이를 타깃 도메인에 적응시키는 방식으로 라벨이 없는 새로운 촬영 환경에서도 안정적인 분할 성능을 확보했습니다. 해당 기술은 의료 영상 분할의 도메인 일반화, 폐렴 엑스레이 영상 분류, 딥러닝 모델의 일반화 성능 향상에 적용되고 있습니다. 연구 성과는 CVPR 2024에서 MADGNet 논문으로 발표되었으며, 딥러닝 성능향상을 위한 주파수 도메인에서의 데이터 증강 방법 및 장치와 폐렴 엑스레이 영상 분류를 위한 주파수 필터링 기반 데이터 증강 방법 및 장치 등 등록 특허 2건을 보유하고 있습니다. 이 중 주파수 도메인 데이터 증강 관련 특허는 2023년 6월 딥카디오㈜에 기술이전되어 실제 산업 적용으로 이어졌습니다. 현재 기술성숙도는 TRL 3-4 수준으로 후속 임상 검증 및 상용화 연구가 진행되고 있습니다.

표준 12-유도 심전도 신호를 활용한 인공지능 기반 심부전 진단 원천기술을 개발하고, 멀티모달 데이터를 이용한 다중레이블 질병 검출과 정상 동율동 심전도 신호에서의 이상신호 검출, 시계열 심전도 신호의 주기적 이상 패턴 분석 연구를 장기간 수행해왔습니다. 시계열 ECG 데이터를 이미지로 변환해 학습하는 알고리즘을 개발하고, 다중레이블 질병 검출 및 이상신호(anomaly) 검출 기술을 통해 정상 리듬 상태에서도 잠재적 질환 징후를 탐지하는 방법론을 구축했습니다. 이 기술은 발작성 심방세동 예측, 코로나19 중증도 예측, 심부전 진단, 이동형 심전도 측정 및 데이터 수집 기기 개발에 적용되고 있습니다. 교원 창업기업인 딥카디오(DeepCardio)를 통해 인하대병원 심장내과와 협력하고 있으며, 공학 CTO로서 AI 심장 진단 기술의 임상 적용을 주도하고 있습니다. 딥러닝을 이용한 정상동율동 심전도 상태에서의 발작성 심방세동 예측방법 특허는 2021년 1월 딥카디오에 기술이전되어 사업화에 활용되었습니다. 딥카디오를 통한 사업화 성과로 약 40억 원 규모의 시리즈A 투자를 유치했으며, 다수의 관련 정부 과제를 수행했습니다. 현재 기술성숙도는 TRL 7-9 수준으로 임상 및 상용 단계에 근접해 있습니다.

AR 기반 수술용 개발툴킷, 사용자 적응형 MIMO HCI 지능형 양방향 피드백 인터페이스, 다시점 블랙박스 영상 기반 교통사고 3차원 재구성, 드론 시각정보 기반 3차원 증강지도 플랫폼 등 다수의 국책과제를 수행해왔습니다. 영상 위조 탐지(Image Forensics) 기술과 객체 인식 백본망인 SBHK-Net을 개발하고, 특징점 검출 반복성을 최대화하는 기술과 목적 지향형 특징벡터 합성 방법론을 구축했습니다. 이러한 기술은 보안 분야의 영상 위조 탐지, 자율주행 센싱, AR 기반 의료 및 수술 지원, 교통사고 현장 3차원 재구성 등에 적용되고 있습니다. 연구 성과로 ICCV 2025에서 M2SFormer 논문이 Highlight로 선정되었고, ECCV 2026에 SARIF 논문이 채택되었으며, NTIRE 챌린지에서 수상했습니다. 검출 반복성을 최대화하는 특징점 선별방법과 직비 통신을 이용한 실외 측위 방법에 대한 특허도 등록했습니다. 현재 기술성숙도는 TRL 4-5 수준으로 실증 및 응용 연구 단계에 있습니다.