GreyNet
잇피 · Itphy촬영 직후 품질을 확인
Grashey X-ray의 촬영 자세와 품질을 평가해, 재촬영이 필요한 경우 방사선사에게 즉시 요청하는 솔루션입니다. 환자가 촬영실을 떠나기 전 품질을 확인하는 워크플로우를 지향합니다.
Inha University · Digital Medicine
TMI-lab
Translational
Medical Intelligence
실제 임상 문제를 풀기 위해 의료진의 판단과 워크플로우 개선을 돕는 AI를 연구하고 구현합니다.
Translation
연구의 가치를,
진료의 변화로.
Coreline Soft · 2024
AVIEW NeuroCAD
뇌출혈 환자의 골든타임을 위한 영상 기반 Triage
뇌 CT에서 출혈 의심 부위와 출혈량을 분석하고 우선 판독 대상을 제시합니다. 의료진의 신속한 판단을 도와, 뇌출혈 환자의 골든타임을 확보하는 데 기여하는 기술입니다.
- 100여 개 이상 응급실에서 사용
- 식약처 혁신의료기기 지정
연구가 이어진 기술들
FlatNet
프로메디우스 · Promedius평발 평가를 더 객관적으로
체중 부하 족부 측면 X-ray의 랜드마크를 검출합니다. 전문의와 비교한 연구에서 더 낮은 검출 오차를 보여, 평가자에 따른 측정 편차를 줄이고 일관된 평발 평가를 돕습니다.
비교 연구 읽기ProRetina
프로메디우스 · Promedius혈관 분할과 품질 평가를 함께
Bayesian U-Net의 불확실성(Uncertainty)을 활용해 망막 혈관 분할 성능을 높이면서 영상 품질을 함께 평가합니다. 분석 결과와 신뢰도를 함께 살피는 모델입니다.
영상 품질
촬영실을 떠나기 전에,
영상 품질을 확인합니다.
GreyNet은 Grashey X-ray의 랜드마크를 검출해 촬영 자세와 품질을 확인하고, 필요 시 방사선사에게 즉시 재촬영을 요청하는 솔루션입니다. 촬영과 품질 확인을 한 흐름으로 연결하는 것이 핵심입니다.
관련 논문 읽기Our mission
정보를 지능으로,
연구를 임상으로.
촬영과 판독의 지연을 줄이고, 수술 후의 변화를 예측하며, 환자별 치료 선택을 근거로 뒷받침합니다. 임상 워크플로우, 디지털 트윈, 정밀의료를 잇는 중개연구를 지향합니다.
Clinical questions
임상 문제를 구체화합니다
의료진과 함께 반복되는 측정, 판독, 정보 정리 과정에서 연구 질문을 찾습니다.
Data & methods
데이터와 방법을 연결합니다
영상, 텍스트, 생체신호의 특성을 이해하고 문제에 맞는 AI 방법을 설계합니다.
Clinical evaluation
사용 조건을 평가합니다
성능과 오류를 살피고, 새로운 데이터와 임상 업무에서의 유용성을 검증합니다.
연구 분야
임상 워크플로우 개선
필요한 판단을, 필요한 순간에.
AI의 결과가 진료의 다음 행동으로 이어지도록 연구합니다. 뇌출혈 의심 환자의 우선 판독, 촬영 직후의 품질 확인, 반복되는 측정의 자동화를 통해 의료진이 중요한 판단에 집중할 수 있도록 돕습니다.
분석을 넘어, 다음 행동으로
- 영상 촬영
- AI 분석 · 품질 확인
- 우선 판독 · 재촬영 요청
의료진의 판단과 진료 흐름을 지원
연구 분야
디지털 트윈
수술 전에, 수술 후를 예측하다.
수술 전 영상과 임상정보로 환자별 수술 후 상태를 예측하는 서지컬 디지털 트윈을 연구합니다. 치료 시나리오에 따른 변화를 비교해, 수술 계획과 환자 상담에 활용할 수 있는 예측 근거를 만드는 것이 목표입니다.
환자별 수술 전후를 연결
- 수술 전 영상 · 임상정보
- 환자별 디지털 트윈
- 수술 후 상태 예측
수술 계획과 상담을 위한 연구 방향
연구 분야
정밀의료 · 근거기반 치료
이 환자에게 맞는 치료의 근거.
의료영상·생체신호·임상정보를 연결해 환자별 차이와 치료 반응을 분석합니다. 정량적 측정과 예측의 불확실성을 함께 평가하여, 의료진이 치료의 선택과 효과를 판단할 수 있는 근거를 연구합니다.
Selected publications
논문
Transforming large language models into medical specialists via knowledge injection
Deep learning-based assessment of coronary artery disease using curved-multiplanar reconstruction: comprehensive evaluation of stenosis, calcification, and plaque
Automated landmark detection and view positioning assessment of shoulder grashey view radiographs using cascade deep learning: A dual‐center validation study
검색 조건에 맞는 논문이 없습니다.
People
구성원 소개
신기원
조교수 · PhD
빠르게 발전하는 AI를 의료 현장에 도입하는 중개연구를 수행합니다. 의료영상·생체신호·멀티모달 AI를 바탕으로 임상 워크플로우 개선, 수술 결과 예측, 근거기반 치료를 연구합니다.
학력 · 주요 경력
학력
- 2023 · 울산대학교 의공학 박사
- 2013 · 한양대학교 기계공학 석사
- 2011 · 한양대학교 기계공학 학사
주요 경력
- 2025–현재 · 대한의료인공지능학회 학술위원
- 2024–현재 · MICCAI Area/Program Chair
- 2026–현재 · 인하대학교 의과대학 조교수
- 2025–2026 · 울산대학교 의과대학 연구교수
- 2023–2025 · 고려대학교 의과대학 연구교수
- 2018–2023 · 서울아산병원 연구원·박사후연구원
- 2013–2018 · 현대자동차 연구원
Contact
연구 협력 및 문의
의료 AI 공동연구와 연구 관련 문의는 아래 업무용 이메일로 연락해 주세요.
- 이메일
- kevinkwshin@inha.ac.kr
- 연구실
- 인하대학교 60주년기념관 318호