CV

M.S., School of Software

Soongsil University, Seoul, South Korea

Artificial Intelligence, Medical Imaging

• Vision & Machine Learning Lab.

B.S., School of Software

Soongsil University, Seoul, South Korea

Software Engineering

Deformable Medical Image Registration via Multiview Adversarial Learning

(Co-First Author) Biomedical Signal Processing and Control

복부 CT 정합 과정에서 큰 변형으로 인한 영상 왜곡 문제를 줄이기 위해, 큰 변형에 강건한 Transformer 기반의 Coarse-to-Fine 정합 모델과 큰 변형의 오변형을 규제하는 Multi-view Adversarial learning을 제안하여 보다 사실적이고 신뢰할 수 있는 정합을 구현.”

Aorta Multi-class Segmentation via Anatomically Constrained Plane Detection

(First Author) MICCAI 2025 - International Conference on Medical Image Computing and Computer-Assisted Intervention

보이지 않는 대동맥 다중 구간으로 인한 분할 노이즈 문제를 해결하기 위해, 해부학적 정의와 의사들의 분할 방식을 AI로 모델링하여 일관되고 임상적으로 신뢰성 있는 분할을 구현.

Aorta Multi-zone Segmentation

해부학적 정의를 모방한 AI 분할 Framework 제안. 평면 기반 분할로 분할 노이즈 감소 및 성능 21% 증가. 수술 계획 및 진단 정확도 향상.

• 해부학적 정의 기반 분할
• 분할 노이즈 감소
• 성능 21% 증가

INFINITT 헬스케어 - 다양한 환경에 강건한 자기지도 키포인트 기반 변형 정합

임상 환경 다양성으로 인한 밝기 값 차이에서 기존 정합 기법의 오변형 문제를 해결하기 위해, 이미지 전처리(Histogram matching, Vol crop)로 입력 분포를 안정화하고 밝기·변형 증강을 활용한 자기지도 학습으로 촬영환경에 강건한 feature를 학습하여 밝기 값에 강건한 정합을 달성.

• 정합 7% 개선
• 오변형 15% 개선
• 이미지 전처리로 입력 분포 안정화
• 밝기·변형 증강 활용 자기지도 학습

일상 데이터로 확장 (구조화된 시각적 Reasoning 기반 VQA)

제한된 모델 용량 내에서 답변의 신뢰성·설명성 부재 문제를 해결하기 위해, 이미지 속성 추출(객체·특성·위치·배경·시간)과 단계별 추론을 결합한 2-Stage Reasoning 기반 VQA 모델을 제안하여 시각적 문맥 기반의 정확하고 설명 가능한 응답을 구현.

• SCPC 2025 3등 수상
• 정확도 약 5% 개선 (Baseline 대비)
• 시각적 문맥 기반 2-Stage 추론 (BLIP2 Flan-T5 + Flan-T5)
• 결과의 근거를 설명할 수 있는 추론 구조