참여교수

SNU BIOMEDICAL SCIENCE PROGRAM

연구

연구분야
의료 데이터는 단백질 및 분자(그래프), 유전체 및 전사체(자연어), 의료 영상(다차원 영상), 스펙트럼(주파수 신호), 심박수 및 메타볼로믹스 변화(시계열 신호), 환자 메타 정보 및 물질 간 상호작용 정보(다차원 행렬) 등 매우 다양한 형태로 존재합니다. 환자 맞춤형 정밀 진단을 위해서는 개별 환자의 다양한 모달리티에 대한 종합적 분석이 필요하며, 무엇보다도 진단의 근거를 명확히 제시할 수 있어야 합니다. 저희 연구실은 이러한 복잡한 의료 멀티모달 데이터를 정밀하게 처리하고, 그 결과를 일반인도 직관적으로 이해할 수 있는 생성형 기반 첨단 인공지능 원천 기술을 개발하고 있습니다. 이론적 근거에 기반하여 실제 임상에서의 유효성을 검증할 수 있는 멀티모달 최신 인공지능 기술 개발에 관심 있는 모든 연구자들의 참여와 협업을 환영합니다.
– 멀티모달 인공지능 (의료 영상/그래프/자연어/주파수/시계열/행렬 정보 등)
– 생성형 해석가능 인공지능
– 비지도 기반 이상 탐지 인공지능
– 원인/바이오마커 탐지 인공지능
– 신뢰도 측정 인공지능
– 편향 제거 인공지능
– 3D/4D/시계열/자연어 신호 복원 인공지능
Pure Link
전공분야 핵심단어
Bioinformatics, AI, Medical Imaging

학력

  • 학사: 서울대학교 전기컴퓨터공학부 (2011)
  • 석사: 서울대학교 전기컴퓨터공학부 (2013)
  • 박사: 한국과학기술원 전기및전자공학부 (2019)

주요 경력

  • 2019~2020: 한국과학기술원 김재철AI대학원, 박사후연구원
  • 2020~2022: 삼성의료원 AI연구센터, 책임연구원
  • 2021~2022: 성균관대학교 의과대학, 연구교수
  • 2023~2024: 메사추세츠종합병원 및 하버드의과대학, 박사후연구원
  • 2024~현재: 서울대학교 첨단융합학부 (의과대학 의과학과 겸무), 조교수

주요 논문

  1. Sanghyun Jo, Soohyun Ryu, Sungyub Kim, Eunho Yang, Kyungsu Kim#. "TTD: Text-Tag Distillation For Open-Vocabulary Classification and Segmentation." European Conference on Computer Vision (2024).
  2. Sanghyun Jo, Fei Pan, In-Jae Yu, and Kyungsu Kim#. "DHR: Enhancing Weakly Supervised Semantic Segmentation with Hierarchical Spatial-Class Rebalancing." European Conference on Computer Vision (2024).
  3. SungYub Kim, Kyungsu Kim#, and Eunho Yang#. "GEX: A flexible method for approximating influence via Geometric Ensemble." Advances in Neural Information Processing Systems 36 (2024).
  4. JungEun Kim*, Hangyul Yoon*, Geondo Park, Kyungsu Kim#, and Eunho Yang. "Data-Efficient Unsupervised Interpolation Without Any Intermediate Frame for 4D Medical Images." In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, pp. 11353-11364. 2024.
  5. Harim Kim*, Kyungsu Kim*, Seong Je Oh, Sungjoo Lee, Jung Han Woo, Jong Hee Kim, Yoon Ki Cha, Kyunga Kim, and Myung Jin Chung#. "AI-assisted Analysis to Facilitate Detection of Humeral Lesions on Chest Radiographs." Radiology: Artificial Intelligence 6, no. 3 (2024): e230094.