MacsLAB

(2026년 2학기) 석사/박사(통합) 대학원생 모집

Sat, 25 Apr 2026 00:00:00 +0000

전북대학교 MACS Lab에서 2026년 2학기 기준 석사/박사(통합) 대학원생을 모집합니다.

인공지능 이론부터 실제 응용/개발까지 함께 연구하고 싶은 분들의 지원을 환영합니다.

모집 분야

의료 AI (의료영상 분석, 진단 지원, 멀티모달 의료 데이터)
Vision & Language 기반 멀티모달 AI
도메인 적응, 테스트 타임 적응, 연합학습 등 일반화 AI
원격탐사/항공우주/콘텐츠 분야 적용형 AI
AI 기반 Full-Stack 시스템 및 서비스 개발
AI + 수학/최적화/통계 기반 모델링

이런 분을 찾습니다

석사/박사 과정에서 꾸준히 연구를 수행하고 싶은 분
논문 읽기/구현/실험/분석을 체계적으로 진행하고 싶은 분
실제 문제를 기술적으로 정의하고 해결하는 것을 좋아하는 분
협업과 커뮤니케이션에 책임감 있게 참여할 수 있는 분

연구실에서 얻을 수 있는 경험

주제 발굴부터 실험 설계, 논문 작성까지 연구 전 과정 경험
국제 학회/저널 투고를 목표로 한 멘토링
프로젝트 기반의 실전 개발 및 배포 경험
개인 관심 분야와 연구실 방향을 연결한 맞춤형 연구 지도

지원 방법

이메일: ksl@jbnu.ac.kr
메일 제목 예시: [대학원 지원] 이름 / 지원과정(석사·박사·통합)
메일에 아래 자료를 첨부/기재해 주세요.
- CV (자유 양식)
- 간단한 자기소개 및 관심 연구 분야
- (선택) 포트폴리오, GitHub, 작성/참여 논문, 프로젝트 링크

관심 있으신 분들은 편하게 메일 주시거나 연구실로 방문 문의해 주세요.

(2026년 2학기) 학부연구생 모집

Sat, 25 Apr 2026 00:00:00 +0000

저희 연구실에서 2026년 2학기 학부연구생을 모집합니다. 아래 내용 중 하나라도 관심이 있다면 메일 또는 방문으로 문의해 주세요.

콘텐츠(웹툰/영상 등)에 관심이 있는 학생
콘텐츠를 활용한 인공지능(AI)에 관심이 있는 학생
생성 AI에 관심이 있는 학생
OCR 및 AI에 관심이 있는 학생
의료 AI에 관심이 있는 학생
AI & 뇌/신경망에 관심이 있는 학생
AI를 활용한 애플리케이션을 개발하고 싶은 학생
인공지능 이론 및 수학을 체계적으로 배우고 싶은 학생
연구와 함께 실전 개발 역량을 키우고 싶은 학생
최신 프레임워크를 활용한 Full-stack 개발을 배우고 싶은 학생
코딩 실력을 체계적으로 키우고 싶은 학생

관심 있으신 학생분들은 편하게 메일을 보내주시거나 연구실로 방문 문의해 주세요.

이메일: ksl@jbnu.ac.kr

PRIME: Ultra-Low-Rank Principal-Residual Model Merging

Sat, 25 Apr 2026 00:00:00 +0000

Human-Intervention Segmentation via Federated Intent Embedding and Multi-Mask Recommendation

Wed, 01 Apr 2026 00:00:00 +0000

Bayesian Multiclass Segmentation for Remote Sensing: Integrating User Priors and Uncertainty

Mon, 23 Feb 2026 00:00:00 +0000

Congratulations on CVPR 2026 Acceptance!

Sat, 21 Feb 2026 00:00:00 +0000

We are excited to announce that our paper has been accepted to CVPR 2026:

Yeongsu Kim, Seo-Yeon Choi, and Kyungsu Lee, “Human-Intervention Segmentation via Federated Intent Embedding and Multi-Mask Recommendation.”

Venue: CVPR 2026 (Conference)
Subject Area: Vision applications and systems
Keywords: Computer Vision, Machine Learning, User Experience Design
Student Paper: Yes

Abstract:

Artificial intelligence (AI) has advanced radiology, yet variability across hospitals and devices undermines reliability and trust. We present a federated learning framework that combines frequency-domain harmonization and instruction-conditioned personalization to deliver consistent and interpretable diagnostic outcomes. Using FFT-based reconstructions informed by radiomics descriptors, the system reduces equipment dependency, while CLIP-based text conditioning enables clinicians to guide reconstructions to local practices and patient needs. We evaluated the framework across four hospitals with fifteen radiologists and fifty patients, spanning polyp detection, rotator cuff tear diagnosis, pneumothorax classification, and breast cancer classification/segmentation. Results show significant gains in accuracy, calibration, and robustness under cross-site transfer, without introducing prohibitive latency. Radiologists reported improved interpretability and preserved professional agency, while patients expressed greater trust, reduced anxiety, and stronger acceptance of AI involvement. This work advances a human-centered design for medical AI, aligning federated learning with transparency, equity, and trustworthy deployment.

Congratulations to the authors on this excellent result.

(2026년 1학기) 석사/박사(통합) 대학원생 모집

Fri, 20 Feb 2026 00:00:00 +0000

전북대학교 MACS Lab에서 2026년 1학기 기준 석사/박사(통합) 대학원생을 모집합니다.

인공지능 이론부터 실제 응용/개발까지 함께 연구하고 싶은 분들의 지원을 환영합니다.

모집 분야

의료 AI (의료영상 분석, 진단 지원, 멀티모달 의료 데이터)
Vision & Language 기반 멀티모달 AI
도메인 적응, 테스트 타임 적응, 연합학습 등 일반화 AI
원격탐사/항공우주/콘텐츠 분야 적용형 AI
AI 기반 Full-Stack 시스템 및 서비스 개발
AI + 수학/최적화/통계 기반 모델링

이런 분을 찾습니다

석사/박사 과정에서 꾸준히 연구를 수행하고 싶은 분
논문 읽기/구현/실험/분석을 체계적으로 진행하고 싶은 분
실제 문제를 기술적으로 정의하고 해결하는 것을 좋아하는 분
협업과 커뮤니케이션에 책임감 있게 참여할 수 있는 분

연구실에서 얻을 수 있는 경험

주제 발굴부터 실험 설계, 논문 작성까지 연구 전 과정 경험
국제 학회/저널 투고를 목표로 한 멘토링
프로젝트 기반의 실전 개발 및 배포 경험
개인 관심 분야와 연구실 방향을 연결한 맞춤형 연구 지도

지원 방법

이메일: ksl@jbnu.ac.kr
메일 제목 예시: [대학원 지원] 이름 / 지원과정(석사·박사·통합)
메일에 아래 자료를 첨부/기재해 주세요.
- CV (자유 양식)
- 간단한 자기소개 및 관심 연구 분야
- (선택) 포트폴리오, GitHub, 작성/참여 논문, 프로젝트 링크

관심 있으신 분들은 편하게 메일 주시거나 연구실로 방문 문의해 주세요.

(2026년 1학기) 학부연구생 모집

Fri, 20 Feb 2026 00:00:00 +0000

저희 연구실에서 학부연구생을 모집하니, 혹시 아래의 내용 중 적어도 하나라도 관심있으신 분들은 메일로 연락주시거나 혹은 직접 찾아와주시면 감사드리겠습니다.

콘텐츠(웹툰/영상 등)에 관심이 있는 학생
콘텐츠를 활용한 인공지능(AI)에 관심이 있는 학생
생성 AI에 관심이 있는 학생
OCR 및 AI에 관심이 있는 학생
의료 AI에 관심이 있는 학생
AI & 뇌/신경망에 관심이 있는 학생
AI를 활용한 애플리케이션을 개발하고 싶은 학생
인공지능 이론 및 수학을 체계적으로 배우고 싶은 학생
위의 연구가 아니더라도 그냥 개발을 체계적으로 배우고 싶은 학생
최신 트렌드의 프레임워크를 사용하여 Full-stack의 개발을 배우고 싶은 학생
코딩을 잘 하고 싶은 학생
여러 경험을 해보고 싶은 학생

저희 연구실에서는 인공지능 관련 연구 뿐 아니라, 실무적인 개발과 관련된 내용도 주로 다루고 있으니, 관심있으신 학생분들께서는 많은 관심 부탁드립니다.

Congratulations on AISTATS 2026 Acceptance!

Sun, 01 Feb 2026 00:00:00 +0000

We are excited to share that our paper has been accepted to AISTATS 2026:

Seo-Yeon Choi, and Kyungsu Lee*, “TCP: Context-Aware Pooling via Top-k% Activation Selection,” Annual Conference on Artificial Intelligence and Statistics (AISTATS 2026).

This is a strong result at a Top BK/CS venue, and we warmly congratulate Seo-Yeon Choi (first author) and Kyungsu Lee (corresponding author).

Venue: AISTATS 2026
Badge: Top
Badge: BK/CS

Congratulations again to the authors on this excellent achievement.

TCP: Context-Aware Pooling via Top-k% Activation Selection

Sat, 31 Jan 2026 00:00:00 +0000

Human-Centered Personalization in Radiology AI: Evaluating Trust, Usability, and Cross-Hospital Robustness

Fri, 30 Jan 2026 00:00:00 +0000

Congratulations on CHI 2026 Acceptance

Thu, 22 Jan 2026 00:00:00 +0000

We are delighted to announce that our paper has been accepted to CHI 2026:

Seo-Yeon Choi, and Kyungsu Lee*, “Human-Centered Personalization in Radiology AI: Evaluating Trust, Usability, and Cross-Hospital Robustness,” ACM CHI Conference on Human Factors in Computing Systems (CHI 2026).

This paper was accepted to a Top BK/CS conference, and we sincerely congratulate Seo-Yeon Choi (first author) and Kyungsu Lee (corresponding author).

Venue: CHI 2026
Badge: Top
Badge: BK/CS

Congratulations to the authors for this outstanding milestone.

Anatomy-Aware Distillation with Memory-Augmented SAM2 for Fracture Detection

Tue, 16 Dec 2025 00:00:00 +0000

KSC 2025 (한국소프트웨어종합학술대회) 참석 및 논문 발표

Tue, 16 Dec 2025 00:00:00 +0000

MacsLAB은 **KSC 2025 (한국소프트웨어종합학술대회)**에 참석하여 연구 성과를 발표하고, 다양한 연구자들과 최신 AI/소프트웨어 기술 동향을 공유했습니다.

KSC 2025 현장 (강동준 학생)

KSC 2025 현장 (Kyungsu Lee)

발표 논문

강동준(1저자), Kyungsu Lee(교신저자)
Anatomy-Aware Distillation with Memory-Augmented SAM2 for Fracture Detection

제안한 방법은 SAM2 기반 교사-학생 구조와 메모리 증강 지식 증류를 결합해, 제한된 데이터 환경에서도 골절 검출의 정확도와 강건성을 높입니다.

제안 방법 및 성능 요약

관련 논문: /publication/0038-anatomy-aware-distillation-with-memory-augmented-sam2-for-fracture-detection-ksc2025/
학회 링크: https://www.kiise.or.kr/conference/KSC/2025/

RTSS 2025 (IEEE Real-Time Systems Symposium) 참석 (Boston)

Tue, 16 Dec 2025 00:00:00 +0000

MacsLAB은 **RTSS 2025 (IEEE Real-Time Systems Symposium)**에 참석하여, 최신 실시간 시스템 및 AI 시스템 관련 연구 동향을 폭넓게 살펴보고 다양한 연구자들과 교류했습니다.

RTSS 2025 메인 컨퍼런스 세션 현장

학회 기간 동안 키노트/세션/포스터를 참관하며 실시간 시스템 분야의 최신 이슈와 연구 흐름을 파악했고, 향후 연구 방향에 대한 아이디어를 구체화하는 데 의미 있는 시간을 가졌습니다.

RTSS 2025 행사 안내 보드 앞 (최서연 학생)

RTSS 2025 행사 안내 보드 앞 (강동준 학생)

RTSS 2025 행사 안내 보드 앞 (Kyungsu Lee)

보스턴 현지에서 학회장 주변 환경과 연구 커뮤니티 분위기를 직접 경험하며, 국제 학술 교류의 중요성을 다시 확인할 수 있었습니다.

RTSS 2025 참석 기간 중 보스턴 전경

Conference Website: https://2025.rtss.org/

Field Validated Hybrid ESP-NOW and Long Range IoT Monitoring System for Energy Autonomous Precision Agriculture

Mon, 08 Dec 2025 00:00:00 +0000

(2025 KOSOMBE) 홍사강 학생 우수포스터상 수상

Sat, 08 Nov 2025 00:00:00 +0000

축하합니다!

MacsLAB 석사과정 홍사강 학생이 대한의용생체공학회 2025년 추계학술대회에서 우수포스터상을 수상했습니다.

이번 수상은 2025년 11월 6일부터 8일까지 인제대학교(김해)에서 열린 학술대회에서 우수한 연구 성과를 인정받아 이루어진 성과입니다.

대한의용생체공학회 2025 추계학술대회 수상 현장

홍사강 학생 우수포스터상 상장

수상 논문 정보:

홍사강(1저자), 김준영, 이경수(교신저자)
크로스 모달리티 의료 세그멘테이션에 대한 SAM2 기반 베이지안 프롬프트 적응 (SAM2-based Bayesian Prompt Adaptation for Cross-Modality Medical Segmentation)

홍사강 학생의 수상을 진심으로 축하하며, 앞으로도 MacsLAB의 뛰어난 연구 성과가 계속 이어지길 기대합니다.

2025 대한의용생체공학회 추계학술대회(KOSOMBE 2025 Fall) 참석 및 발표

Fri, 07 Nov 2025 00:00:00 +0000

MacsLAB은 **대한의용생체공학회 2025 추계학술대회(KOSOMBE 2025 Fall)**에 참석하여, 의료 AI 및 의료영상 분석 관련 연구 성과를 발표했습니다.

이번 학회에서는 석사과정 학생들이 1저자로 발표를 진행하고, **Kyungsu Lee(이경수 교수)**가 교신저자로 참여했습니다.

KOSOMBE 2025 Fall 현장에서의 MacsLAB 단체 사진

발표 1

강동준(1저자), Kyungsu Lee(교신저자)
Anatomy-Aware Distillation with Memory-Augmented SAM2 for Fracture Detection
대한의용생체공학회 2025 추계학술대회 (Poster 244)

본 연구는 골절 검출에서 대규모 분할 모델(SAM2)의 해부학적 지식을 경량 모델로 효율적으로 전달하기 위해, 메모리 증강 기반 지식 증류 프레임워크를 제안합니다.

강동준 학생의 Poster 244 발표 현장

관련 논문: /publication/0033-anatomy-aware-distillation-with-memory-augmented-sam2-for-fracture-detection/

발표 2

홍사강(1저자), Jun-Yung Kim, Kyungsu Lee(교신저자)
SAM2-based Bayesian Prompt Adaptation for Cross-Modality Medical Segmentation
대한의용생체공학회 2025 추계학술대회 (Poster 247)

본 연구는 소수 샘플 환경의 교차 모달 의료영상 분할 문제를 해결하기 위해, SAM2 기반 베이지안 프롬프트 적응(BayesPrompt) 방법을 제안합니다.

홍사강 학생의 Poster 247 발표 현장

관련 논문: /publication/0034-sam2-based-bayesian-prompt-adaptation-for-cross-modality-medical-segmentation/

학회 현장에서 다양한 의료공학 연구자들과 교류하며, 연구의 실용성과 확장 가능성에 대해 유익한 논의를 진행했습니다. MacsLAB은 앞으로도 의료 AI 분야의 학술 활동을 지속적으로 이어가겠습니다.

학회 프로그램: https://www.kosombe.or.kr/register/2025_fall/program/sub07.html

Anatomy-Aware Distillation with Memory-Augmented SAM2 for Fracture Detection

Fri, 07 Nov 2025 00:00:00 +0000

SAM2-based Bayesian Prompt Adaptation for Cross-Modality Medical Segmentation

Fri, 07 Nov 2025 00:00:00 +0000

Memory-Guided Personalization for Physician-Specific Diagnostic Inference

Sun, 19 Oct 2025 00:00:00 +0000

Patient-Centric Statistical Multi-Modal Fusion for Medical Diagnosis: Integrating DICOM, Radiomics, and Patient Attributes

Sun, 19 Oct 2025 00:00:00 +0000

(AIxMHC 2025) Best Poster Award 수상

Wed, 15 Oct 2025 00:00:00 +0000

축하합니다!

MacsLAB의 Seo-Yeon Choi, Haeyun Lee, Kyungsu Lee 팀이 AIxMHC 2025에서 Best Poster Award를 수상했습니다.

수상 논문은 다음과 같습니다.

Statistical Multi-Modal Fusion for Patient-Centric Medical Diagnosis Using DICOM

AIxMHC 2025 Best Poster Award Certificate

AIxMHC 2025 현장 단체 사진

수상 논문 포스터 발표 현장

앞으로도 MacsLAB은 의료 AI 분야에서 임상적으로 의미 있는 연구 성과를 이어가겠습니다.

Statistical Latent Manifold-Guided Framework for Generative Super-Resolution

Wed, 15 Oct 2025 00:00:00 +0000

Statistical Multi-Modal Fusion for Patient-Centric Medical Diagnosis Using DICOM

Wed, 15 Oct 2025 00:00:00 +0000

AIxMHC 2025 (Taiwan) 참석 및 논문 발표

Mon, 13 Oct 2025 00:00:00 +0000

MacsLAB은 **AIxMHC 2025 (2025 Second International Conference on Artificial Intelligence for Medicine, Health, and Care)**에 참석해 두 편의 논문을 발표하고, 다양한 국제 연구자들과 활발히 교류했습니다.

AIxMHC 2025 현장 (Taichung, Taiwan)

발표 논문

Statistical Multi-Modal Fusion for Patient-Centric Medical Diagnosis Using DICOM (Poster)
Statistical Latent Manifold-Guided Framework for Generative Super-Resolution (Regular)

발표 후 현장 질의응답 및 연구 토론

포스터 발표 현장

AIxMHC 2025 참석을 통해 의료 AI 분야의 최신 연구 동향을 공유하고, 국제 협력 가능성을 확장하는 뜻깊은 시간을 가졌습니다.

Conference Website: https://chaoneng.github.io/aixmhc2025.github.io/

Expert-level differentiation of incomplete Kawasaki disease and pneumonia from echocardiography via multiple large receptive attention mechanisms

Mon, 01 Sep 2025 00:00:00 +0000

Congratulations to Seo-Yeon Choi (Student Researcher, 학부연구생) on Two Papers Accepted to ICCV 2025 Workshops!

Sat, 19 Jul 2025 00:00:00 +0000

We are thrilled to announce that our undergraduate researcher, Seo-Yeon Choi (최서연), has achieved a remarkable accomplishment—two papers have been accepted to workshops at ICCV 2025 Workshops (CVAMD / VADH25)!

Even more exciting, one paper was selected for an oral presentation and the other for a poster presentation. Having two papers accepted at such a prestigious venue as ICCV is a truly outstanding feat, especially for an undergraduate researcher. This is a testament to Seo-Yeon’s dedication, hard work, and innovative research.

Congratulations once again, Seo-Yeon! We look forward to seeing both the oral and poster presentations at ICCV 2025 in Hawaii! 🌺🌴

Abstract

Deep learning (DL) has led to substantial progress in medical image analysis, particularly for disease classification. However, the integration of patient-specific attributes, such as age, body mass index (BMI), and lifestyle factors with radiomics and raw imaging data remains a key challenge in the development of personalized diagnostic models. To alleviate this, in this research, we propose a novel multi-modal framework, denoted as Statistically Coherent Network (SCN), which jointly models imaging, radiomic, and patient metadata through a structured multi-space latent representation. SCN facilitates distributional coherence across subpopulations by leveraging a newly devised statistics-based loss in conjunction with a triplet loss, thereby aligning feature distributions among clinically similar cohorts. This statistical alignment using T-test facilitates more interpretable and robust representation learning across heterogeneous patient groups. We evaluate SCN on four clinically diverse tasks, including breast cancer (mammography), obstructive sleep apnea (CT), rotator cuff tear (MRI), and Cormack-Lehane grading (X-ray), and demonstrate the consistent improvements over conventional single-space and multi-modal baselines. The experimental results highlight the importance of explicitly incorporating patient metadata, in terms of multimodal learning, to enhance model generalizability and clinical relevance.

Memory-Guided Personalization for Physician-Specific Diagnostic Inference

Abstract

Recent advances in deep learning have improved diagnostic precision across medical imaging tasks. However, clinical adoption remains limited due to a mismatch between model outputs and the diverse reasoning styles of physicians. Prior personalization efforts have primarily focused on patient-specific adaptation, overlooking clinician-specific variability. We propose a physician-centric diagnostic framework that supports real-time, adaptive inference tailored to individual clinicians. The system consists of three stages: supervised learning, Human-in-the-Loop guidance, and personalized deployment. Physician feedback is encoded as memory-based priors and reused at inference without retraining, enabling lightweight, end-to-end personalization. We validate our method on detection and segmentation tasks including parathyroid localization, breast cancer segmentation, and rotator cuff tear analysis. Results demonstrated that our model adapts effectively to individual diagnostic styles while maintaining high accuracy in clinical workflows.

Once again, congratulations to Seo-Yeon Choi for this outstanding achievement. Let’s look forward to an inspiring and impactful presentation at ICCV 2025! 🚀🎉

2025 한국컴퓨터종합학술대회(KCC2025) 참관 및 발표 (신진연구자세션: 이경수 교수/ 포스터발표: 최서연 학생)

Wed, 02 Jul 2025 00:00:00 +0000

2025년 7월, 제주 중문 ICC에서 개최된 한국컴퓨터종합학술대회(KCC2025)에 학생들과 함께 참석하여 신진 연구 소개 및 포스터 발표, 워크샵 참석 등을 통해 다양한 연구 경험을 나누는 뜻깊은 시간을 가졌습니다.

▲ MacsLab in KCC2025

행사에는 학생들(정세진, 김수민, 최서연, 이진선, 김태린, 강동준)도 함께 참여하여 최신 연구 동향을 직접 체험하고, 다양한 분야의 연구자들과 교류하며 진로에 대한 새로운 영감을 얻는 기회를 가졌습니다.

▲ KCC2025에 함께 참석한 JBNU 석사/학부생들

KCC2025

이경수 교수는 ‘Applications of Trustworthy AI (신뢰할 수 있는 인공지능의 활용)‘라는 제목으로 신진 연구자 세션에서 최근 연구 성과를 발표하며, 국내외 연구자들과 활발한 토론을 진행했습니다. “젊은 연구자들과 직접 소통하며 피드백을 주고받는 과정이 매우 유익했다”며, 앞으로도 창의적이고 실용적인 연구를 이어가겠다는 포부를 밝혔습니다.

▲ 이경수 교수의 신진연구자 세션 발표 장면

KCC2025 신진연구자세션

학석사연계과정에 재학 중인 최서연 학생은 포스터 세션에서 자신의 연구(생성형 초해상도를 위한 통계적 잠재 다양체 유도 프레임워크, Statistical Latent Maniforld-Guided Framework for Generative Super-Resolution)를 소개하며, 여러 참가자들과 열띤 질의응답을 이어갔습니다. “직접 연구 내용을 발표하며 다양한 의견을 들을 수 있어 값진 경험이었다"고 소감을 전했습니다.

▲ 최서연 학생(학석사연계과정)의 포스터 발표 모습

KCC2025 포스터발표 (학부생)

이번 학회를 통해 학생들과 교수 모두 한 단계 성장할 수 있었으며, 앞으로도 다양한 학술 교류의 장에 지속적으로 참여할 계획입니다.

Statistical Latent Manifold-Guided Framework for Generative Super-Resolution

Wed, 02 Jul 2025 00:00:00 +0000

Real-time Self-supervised Ultrasound Image Enhancement Using Test-Time Adaptation for Sophisticated Rotator Cuff Tear Diagnosis

Mon, 31 Mar 2025 00:00:00 +0000

Congratulations to Yeongsu Kim (Student Researcher, 학부연구생) on ICLR 2025 Workshop Acceptance!

Mon, 03 Mar 2025 00:00:00 +0000

Exciting news! Our undergraduate researcher, Yeongsu Kim, has achieved an outstanding milestone—his paper has been accepted to the ML4RS Workshop at ICLR 2025!

As an undergraduate student, getting a paper into a prestigious venue like ICLR is no small feat, and this accomplishment is a testament to his dedication and hard work. Congratulations once again, Yeongsu!

Looking forward to seeing the research presented in Singapore this April! 🚀🎉

Abstract

Over the past few decades, geospatial objects have been extensively recognized as significant components in remote sensing applications, including environmental monitoring, urban planning, and defense. Particularly, accurate segmentation of objects has aimed at meaningful observations from aerial imagery, leading to the necessity of deep learning-based methodologies. However, conventional deep learning-based segmentation methodologies exhibit limited generalization capabilities across diverse geographical domains due to inherent variations in regional characteristics and data distribution shifts. Furthermore, most existing approaches strongly rely on static, pre-trained models lacking the adaptability to handle previously unseen data. To alleviate these limitations, we propose a novel Few-shot Semi-Online Adaptation framework incorporating interactive user feedback to iteratively refine segmentation outputs. By leveraging online learning and test-time adaptation, our approach enables models to continuously be accurate based on minimal user corrections, ensuring flexibility and adaptability to new environments. Experimental results demonstrate that our method effectively enhances the segmentation accuracy with minimal user intervention, bridging the gap between automated segmentation and domain-specific expertise. Our research contributes to the development of interactive, user-adaptive segmentation models to facilitate geospatial analysis more efficiently and reliably.

Interactive Few-shot Online Adaptation for User-Guided Segmentation in Aerial Images

Mon, 03 Mar 2025 00:00:00 +0000

Connectome Mapping: Shape-Memory Network via Interpretation of Contextual Semantic Information

Thu, 23 Jan 2025 00:00:00 +0000

One Paper Accepted to ICLR 2025!

Thu, 23 Jan 2025 00:00:00 +0000

Thrilled to announce that our paper, “Connectome Mapping: Shape-Memory Network via Interpretation of Contextual Semantic Information,” has been accepted to ICLR 2025! See you in Singapore in April!

Abstract

Contextual semantic information plays a pivotal role in the brain’s visual interpretation of the surrounding environment. When processing visual information, electrical signals within synapses facilitate the dynamic activation and deactivation of synaptic connections, guided by the contextual semantic information associated with different objects. In the realm of Artificial Intelligence (AI), neural networks have emerged as powerful tools to emulate complex signaling systems, enabling tasks such as classification and segmentation by understanding visual information. However, conventional neural networks have limitations in simulating the conditional activation and deactivation of synapses, collectively known as the connectome, a comprehensive map of neural connections in the brain. Additionally, the pixel-wise inference mechanism of conventional neural networks failed to account for the explicit utilization of contextual semantic information in the prediction process. To overcome these limitations, we developed a novel neural network, dubbed the Shape Memory Network (SMN), which excels in two key areas: (1) faithfully emulating the intricate mechanism of the brain’s connectome, and (2) explicitly incorporating contextual semantic information during the inference process. The SMN memorizes the structure suitable for contextual semantic information and leverages this structure at the inference phase. The structural transformation emulates the conditional activation and deactivation of synaptic connections within the connectome. Rigorous experimentation carried out across a range of semantic segmentation benchmarks demonstrated the outstanding performance of the SMN, highlighting its superiority and effectiveness. Furthermore, our pioneering network on connectome emulation reveals the immense potential of the SMN for next-generation neural networks.

SoN: Selective Optimal Network for Smartphone-based Indoor Localization in Real-time

Mon, 20 Jan 2025 00:00:00 +0000

Machine Learning-Enhanced Skull-Universal Acoustic Hologram for Efficient Transcranial Ultrasound Neuromodulation Across Varied Rodent Skulls

Sun, 01 Dec 2024 00:00:00 +0000

(24년 2학기) K-Health 의료 인공지능 해커톤 수상

Wed, 20 Nov 2024 00:00:00 +0000

축하드립니다!

MacsLAB에서 학부연구생으로 있는 강다영, 김수민, 박세현, 최서연학생들이 2024 K-Health 의료 인공지능 해커톤에서 최우수상을 수상하였습니다.

대회는 유방맘모그래피(Mammography) 영상데이터를 이용한 유방종괴 영역 분할 AI 학습 모델 개발을 주제로 진행되었습니다. 학생들은 자체적인 Segmentation model을 개발/학습/tuning하여, 대회에서 제공해준 dataset 이외에 public datasets을 활용하여 높은 validation 성능을 달성하였으며, 이에 최우수상을 수상하였습니다.

People

Tue, 11 Jun 2024 00:00:00 +0000

계산과학 (Computational Science) 연구 주제

Mon, 01 Apr 2024 00:00:00 +0000

MacsLAB의 계산과학 연구는 복잡한 자연/공학 시스템을 수치적으로 모델링하고, 데이터 기반 방법과 결합해 예측 가능하고 설명 가능한 해석을 제공하는 데 초점을 둡니다. 실험만으로 다루기 어려운 문제를 시뮬레이션으로 확장하고, 실제 데이터와의 정합성을 높여 실질적인 의사결정을 지원합니다.

연구실에서는 물리 기반 모델(Physics-based Model)과 통계적 추정, 최적화 알고리즘, AI를 함께 활용하는 하이브리드 접근을 중점적으로 다룹니다. 이를 통해 고차원 파라미터 공간에서도 안정적인 해를 찾고, 제한된 관측 데이터 환경에서도 신뢰도 높은 예측을 가능하게 합니다. 또한 계산 비용과 정확도 사이의 trade-off를 체계적으로 관리하기 위해, 모델 축소(model reduction), 효율적 샘플링, 병렬 계산 전략을 함께 연구합니다.

MacsLAB의 계산과학 연구 방향성은 단순한 성능 향상을 넘어 재현성, 해석 가능성, 확장성 확보에 있습니다. 예를 들어, 의료 데이터 해석에서는 생체 메커니즘을 반영한 수학적 모델과 딥러닝을 결합하여 진단 근거를 명확히 제시하는 연구를 수행합니다. 항공우주 및 원격탐사 문제에서는 불확실성 정량화(UQ)와 통계적 시뮬레이션을 통해 모델의 일반화 성능과 신뢰성을 높이고 있습니다. 이러한 접근은 다양한 도메인에서 계산 기반 의사결정의 품질을 높이는 핵심 기반이 됩니다.

사용되는 주요 기술

수치해석 (Numerical Analysis)
계산 모델링 및 시뮬레이션 (Computational Modeling & Simulation)
불확실성 정량화 (Uncertainty Quantification)
역문제 해석 (Inverse Problems)
확률 미분방정식 및 통계 모델링 (Stochastic Differential Equations & Statistical Modeling)
고성능 컴퓨팅 (High-Performance Computing)
모델 축소 및 근사 기법 (Model Reduction)
하이브리드 AI-물리 모델 (Hybrid AI-Physics Models)

인공지능(AI) 연구 주제

Sun, 31 Mar 2024 00:00:00 +0000

MacsLAB에서는 특성화된 분야에 적용 가능한 AI 기술을 개발합니다. 이는 의료, 항공우주, 콘텐츠 제작 등 다양한 영역을 아우르며, 특히 해당 기술들은 실세계 문제 해결을 위한 맞춤형 솔루션을 제공하는 데 중점을 둡니다. AI 기술을 통해 이러한 분야에서의 과제들을 효과적으로 해결함으로써, 보다 나은 미래를 구현하는 것이 연구의 핵심 목표입니다.

MacsLAB의 AI 연구는 최신 기술 동향을 반영하여 지속적으로 진화하고 있습니다. 연구소는 AI 기술의 깊이 있는 이해와 혁신을 통해, 실제 적용 사례에서의 성공적인 구현을 추구합니다. 이를 위해 다학제적 접근 방식을 채택하여, 공학, 수학, 의학 등 다양한 분야의 전문가들과 협력합니다. 연구 결과는 국제적인 학술지 및 컨퍼런스를 통해 발표되며, 이는 학계와 산업계 모두에 큰 영향을 미칩니다. 이러한 노력은 AI 기술이 사회 전반에 걸쳐 긍정적인 변화를 가져오는 데 기여하고 있습니다.

MacsLAB에서의 AI 연구 방향성은 효율성, 정확성 및 확장성을 중심으로 발전하고 있습니다. 예를 들어, 의료 이미지 분석에서는 딥러닝 기술을 활용하여 정확도 높은 진단을 가능하게 하는 동시에, 소요 시간을 대폭 줄이는 연구를 진행하고 있습니다. 또한, 항공우주 영역에서는 위성 이미지 데이터를 이용하여 기후 변화 관측과 같은 글로벌 이슈에 대응하는 AI 모델을 개발하고 있습니다. 이러한 연구는 AI 기술의 범용성을 향상시키며, 다양한 분야에 걸쳐 적용 가능한 모델의 개발에 초점을 맞추고 있습니다. 이는 기술의 한계를 넘어 사회적 가치를 창출하고, AI의 미래 발전 방향을 제시하는 중요한 기여를 하고 있습니다.

사용되는 주요 기술

딥러닝 (Deep Learning)
강화학습 (Reinforcement Learning)
컴퓨터 비전 (Computer Vision)
자연어 처리 (Natural Language Processing, NLP)
예측 모델링 (Predictive Modeling)
기계 학습 (Machine Learning)
데이터 마이닝 (Data Mining)
모델 최적화 (Model Optimization)

의료 인공지능 (Medical AI) 연구 주제

Fri, 29 Mar 2024 00:00:00 +0000

MacsLAB의 의료 AI 연구는 질병 진단, 환경 개선 및 의료 서비스의 효율성 향상에 초점을 맞춥니다. 연구실에서는 스마트폰 기반 영상진단 도구, 3D 초음파 이미징 플랫폼, 자동화된 딥러닝 기반 분석 시스템 등을 개발하여, 질병의 조기 발견 및 정확한 진단을 가능하게 하는 최첨단 기술을 개발하고 있습니다. 이러한 기술은 의료 분야에서 AI의 잠재력을 극대화하고, 환자 치료 결과를 개선하기 위한 것입니다.

MacsLAB의 의료 AI 연구는 환자 중심의 진료를 가능하게 하는 새로운 기술을 지속적으로 개발하고 있습니다. 연구소는 첨단 이미징 기술과 딥러닝 알고리즘을 결합하여, 진단 정확도를 높이고 치료 과정을 최적화합니다. 이러한 기술 발전은 의료 전문가들이 보다 정밀한 진단을 내리고 개인별 맞춤형 치료 계획을 수립하는 데 도움을 줍니다. 또한, 의료 데이터 분석을 통해 질병의 예방 및 관리 방법을 개선하고, 환자의 건강 증진에 기여합니다. 연구소의 노력은 의료 분야에서 AI의 잠재력을 실현하고, 전 세계적으로 건강한 사회 구현에 기여하고 있습니다.

MacsLAB의 의료 AI 연구 방향성은 개인 맞춤형 의료 서비스의 실현에 초점을 맞추고 있습니다. 예를 들어, 유전 정보와 생활 습관 데이터를 결합한 AI 분석을 통해 개인별 맞춤형 건강 관리 및 질병 예방 프로그램을 제안하는 연구가 진행 중입니다. 이러한 접근 방식은 환자 개인의 특성을 고려한 정밀 의료를 가능하게 하며, 효과적인 질병 관리 및 예방에 기여하고 있습니다. 이와 함께, 인공 지능을 이용한 자동화된 진단 시스템 개발은 의료 전문가의 진단 지원 도구로 활용되어, 진단의 정확성과 효율성을 높이는 데 중요한 역할을 합니다. 이러한 연구는 의료 분야에서 AI 기술의 적용 범위를 확장하며, 보다 나은 건강 관리 솔루션을 제공합니다.

사용되는 주요 기술

의료 영상 분석 (Medical Image Analysis)
생체 신호 처리 (Biosignal Processing)
질병 예측 모델 (Disease Prediction Models)
딥러닝 기반 진단 (Deep Learning-based Diagnosis)
유전 알고리즘 (Genetic Algorithms)
피부암 분류 (Skin Cancer Classification)
자동화된 의료 기록 분석 (Automated Medical Record Analysis) 3- D 이미징 및 모델링 (3D Imaging and Modeling)

헬스케어 (Healthcare) 연구 주제

Thu, 28 Mar 2024 00:00:00 +0000

MacsLAB은 의료 및 헬스케어 분야에 적용 가능한 AI 기술 개발에 집중합니다. 연구실에서는, 모바일 기반의 진단 시스템 개발, 개인 정보 보호를 위한 연합 학습, 피부 질환의 모바일 진단을 위한 다작업 및 소수샷 학습 기반의 자동화된 딥러닝 플랫폼 등, 개인 맞춤형 의료 서비스 제공을 목표로 하는 혁신적인 솔루션을 개발하고 있습니다. 이는 환자의 개인정보 보호와 동시에 고품질의 진단 서비스를 제공하기 위한 연구에 초점을 맞추고 있습니다.

MacsLAB에서는 AI를 활용해 헬스케어 분야에서의 혁신적인 변화를 주도하고 있습니다. 연구 주제의 목표는 AI 기술을 통해 의료 서비스의 접근성을 개선하고, 환자의 치료 경험을 향상시키는 것입니다. 이를 위해, 개인화된 진단 및 치료 솔루션 개발에 중점을 두고, 환자 데이터의 안전한 처리 및 분석 방법을 연구합니다. 연구 결과는 의료 서비스의 질을 높이고, 의료 시스템의 효율성을 개선하는 데 중요한 역할을 합니다. MacsLAB의 이러한 연구는 헬스케어 분야에서의 디지털 혁신을 가속화하고, 보다 나은 미래의 의료 환경을 구현하는 데 기여하고 있습니다.

MacsLAB에서의 헬스케어 분야 연구 방향성은 기술과 의료의 융합을 통한 새로운 서비스 모델의 개발에 있습니다. 예를 들어, 웨어러블 기기에서 수집된 건강 데이터를 실시간으로 분석하고, 이를 통해 사용자에게 개인화된 운동 및 식습관 권장 사항을 제공하는 AI 시스템을 개발하고 있습니다. 이는 사용자의 건강한 생활 습관 형성을 지원하고, 장기적으로는 만성 질환의 예방에 기여할 수 있습니다. 또한, 의료진과 환자 간의 커뮤니케이션을 개선하기 위한 AI 기반의 플랫폼 개발도 주요 연구 중 하나입니다. 이러한 연구는 헬스케어 분야에서 AI의 활용 가능성을 탐색하며, 기술과 의료 서비스의 통합을 통해 사용자 중심의 건강 관리 솔루션을 제공하는 데 기여하고 있습니다.

사용되는 주요 기술

웨어러블 데이터 분석 (Wearable Data Analysis)
헬스케어 빅데이터 분석 (Healthcare Big Data Analysis)
개인 맞춤형 건강 관리 시스템 (Personalized Healthcare Systems)
예측 분석 (Predictive Analytics)
모바일 헬스 모니터링 (Mobile Health Monitoring)
의료 자연어 처리 (Medical Natural Language Processing, NLP)
의료 정보 보안 (Health Information Security)
행동 인식 및 분석 (Behavior Recognition and Analysis)

콘텐츠 (Contents & Webtoon AI) 기반 연구 주제

Wed, 27 Mar 2024 00:00:00 +0000

콘텐츠 및 웹툰 AI 연구는 창의적인 콘텐츠 제작을 위한 AI 기술의 개발에 주력합니다. 이 분야의 연구는 AI를 활용해 새로운 시각적 스토리텔링 방식을 탐색하고, 사용자 경험을 향상시키는 혁신적인 방법을 모색합니다. 또한, 생성 AI 및 자연어 처리 기법을 활용하여 웹툰 제작의 새로운 지평을 열어가고자 합니다. 예술과 기술의 결합을 통해, 콘텐츠 제작 과정에서의 창의성과 효율성을 동시에 추구합니다.

MacsLAB에서는 AI를 이용해 콘텐츠 및 웹툰 제작 과정을 혁신하고 있습니다. 연구실에서는 AI 기술을 활용하여 창작자들이 보다 창의적이고 개성 있는 콘텐츠를 쉽게 제작할 수 있도록 지원합니다. 이러한 연구는 사용자의 선호도를 분석하여 맞춤형 콘텐츠 추천 시스템을 개발하고, 콘텐츠의 질을 향상시키는 데 중점을 둡니다. 또한, AI 기술을 이용한 자동화된 콘텐츠 생성은 시간과 비용을 절감하며, 새로운 스토리텔링의 가능성을 탐색합니다. MacsLAB의 이러한 노력은 콘텐츠 산업의 발전에 기여하며, 다양한 분야에서의 새로운 창작 활동을 촉진하고 있습니다.

MacsLAB의 콘텐츠 및 웹툰 AI 연구 방향성은 창의적인 콘텐츠 제작의 자동화 및 사용자 참여 증진에 있습니다. 예를 들어, 사용자의 선호도와 행동 패턴을 분석하여 개인화된 웹툰 추천 시스템을 개발하는 연구가 활발히 진행 중입니다. 이는 사용자에게 맞춤형 콘텐츠를 제공함으로써 콘텐츠 소비의 만족도를 높이고, 창작자에게는 자신의 작품이 더 많은 관객에게 도달할 수 있게 합니다. 또한, AI를 활용한 캐릭터 및 배경 디자인 자동화 도구 개발은 웹툰 제작 과정을 단순화하고, 창작자가 스토리텔링에 더 집중할 수 있도록 지원합니다. 마지막으로, 생성 AI 및 자연어 처리 기법을 활용한 연구는 웹툰 제작을 간소화하고 시간을 크게 단축시킬 수 있습니다. 이러한 연구는 콘텐츠 제작의 새로운 패러다임을 제시하며, 창작 과정의 혁신을 도모합니다.

사용되는 주요 기술

생성 AI (Generative AI)
자연어 처리 (NLP & LLM)
OCR (Optical Character Recognition)
이미지 생성 및 편집 (Image Generation and Editing)
사용자 선호도 분석 (User Preference Analysis)
콘텐츠 추천 시스템 (Content Recommendation Systems)
스토리텔링 AI (AI for Storytelling)
캐릭터 디자인 AI (Character Design AI)

항공우주 (Aerospace) 연구 주제

Tue, 26 Mar 2024 00:00:00 +0000

항공우주 분야에서의 AI 기술 개발은, 항공우주 과학의 진보에 기여하는 데 중점을 둡니다. 이 연구는 원격 감지 이미지의 분석, 항공 이미지에서의 건물 추출, 지상 관측 데이터의 해석 등을 포함하여, 항공우주 탐사 및 지구 관측을 위한 고급 AI 알고리즘을 개발합니다. 이는 보다 효율적인 데이터 분석과 해석을 가능하게 하여, 항공우주 연구의 새로운 지평을 엽니다.

항공우주 분야에서의 MacsLAB 연구는 AI 기술을 활용하여 우주 탐사의 효율성과 안전성을 향상시키는 것을 목표로 합니다. 연구소는 위성 이미지의 자동 처리, 우주 임무 데이터 분석, 항공 교통 관리 시스템의 최적화 등 다양한 프로젝트를 수행하고 있습니다. 이러한 연구는 우주 탐사 미션의 설계 및 실행 단계에서 중요한 의사 결정 지원 도구로서 기능하며, 지구 관측 데이터의 정확도와 사용성을 높입니다. 또한, AI 기술의 적용은 항공우주 산업의 비용 절감과 운영 효율성 증대에 기여합니다. MacsLAB의 연구는 항공우주 분야에서의 기술 혁신을 주도하며, 우주 탐사의 새로운 지평을 열고 있습니다.

MacsLAB에서의 항공우주 분야 연구 방향성은 우주 탐사의 효율성 및 안전성 향상에 기여하는 AI 기술의 개발에 있습니다. 예를 들어, 우주 임무 중 발생할 수 있는 다양한 시나리오를 시뮬레이션하여 최적의 대응 전략을 도출하는 AI 시스템의 개발이 진행 중입니다. 이는 우주 탐사 임무의 성공률을 높이고, 우주인의 안전을 보장하는 데 중요한 기여를 합니다. 또한, 지구 궤도 상의 위성 데이터를 활용하여 기후 변화, 자연 재해 등의 감시 및 분석을 수행하는 AI 모델 개발도 주요 연구 주제 중 하나입니다. 이러한 연구는 항공우주 기술의 발전뿐만 아니라, 지구 환경 보호 및 관리에도 기여하는 중요한 역할을 하고 있습니다.

사용되는 주요 기술

위성 이미지 분석 (Remote Sensing Image Analysis)
예측 유지 관리 (Predictive Maintenance)
우주 데이터 분석 (Space Data Analysis)
객체 탐지 및 분류 (Object Detection and Classification)
시뮬레이션 및 모델링 (Simulation and Modeling)
기후 모델링 및 분석 (Climate Modeling and Analysis)

의료수학 (Medical Mathematics) 및 AI 기반 연구 주제

Mon, 25 Mar 2024 00:00:00 +0000

AI와 관련된 수학 및 최적화 이론 연구는 기술 개발의 기반을 다지는 역할을 합니다. 연구실에서는 스토캐스틱 적응 활성화 함수, 최적화 알고리즘 등을 통해 AI 모델의 효율성과 정확성을 향상시키기 위한 수학적 방법론을 탐구합니다. 이는 AI 기술의 발전을 위한 근본적인 이론적 기반을 마련하는 데 기여합니다. 또한, 수학적인 모델링을 기반으로 질병을 치료하고, 데이터를 통계적으로 분석하는 기법 등을 연구합니다.

MacsLAB에서의 수학 및 최적화 이론 연구는 AI 기술의 핵심적인 발전을 지원합니다. 연구소는 복잡한 AI 모델의 효율적인 학습과 성능 최적화를 위한 새로운 이론적 접근 방식을 개발하고 있습니다. 이러한 연구는 모델의 일반화 능력을 향상시키고, 다양한 데이터셋에 대한 AI 알고리즘의 적용 가능성을 넓힙니다. 또한, 연구 결과는 AI 기술의 이해를 깊게 하고, 더욱 정교하고 효율적인 알고리즘 설계에 기여합니다. MacsLAB의 수학 및 최적화 연구는 AI 분야의 지속적인 발전과 혁신을 위한 기초를 마련하고 있습니다.

MacsLAB에서의 수학 및 최적화 이론 연구 방향성은 AI 모델의 성능 향상 및 이론적 근거 마련에 있습니다. 예를 들어, 복잡한 데이터 구조를 효과적으로 처리할 수 있는 새로운 최적화 알고리즘의 개발을 통해, AI 모델의 학습 속도와 정확도를 동시에 개선하는 연구가 진행 중입니다. 이는 다양한 AI 응용 분야에서의 모델 성능을 극대화하며, 실제 문제 해결에 있어 AI 기술의 적용 범위를 확장합니다. 또한, AI 결정 과정의 해석 가능성을 높이기 위한 이론적 연구도 중요한 부분을 차지하고 있습니다. 이러한 연구는 AI 기술의 신뢰성과 투명성을 높이며, 기술의 사회적 수용성을 증진시키는 데 기여하고 있습니다.

사용되는 주요 기술

Brain to AI Modeling
최적화 이론 (Optimization Theory)
그래프 이론 (Graph Theory)
확률 모델 (Probabilistic Models)
통계적 학습 이론 (Statistical Learning Theory)
알고리즘 설계 및 분석 (Algorithm Design and Analysis)
복잡도 이론 (Complexity Theory)
데이터 구조 (Data Structures)

개발 (Development)

Sun, 24 Mar 2024 00:00:00 +0000

개발 분야에서는 Full-Stack 애플리케이션 개발에 중점을 두고 있으며, 연구실에서 개발한 AI 기술을 실제로 적용하고 배포하는 데 있어 중요한 역할을 합니다. 연구소는 실제 사용자의 필요와 문제 해결을 위한 맞춤형 솔루션을 제공하며, 이를 통해 연구 결과를 실생활에 적용함으로써 사회적 가치를 창출하고자 합니다.

MacsLAB의 개발 분야 연구는 AI 기술의 실용적 적용에 중점을 두고 있습니다. 연구소는 사용자 경험을 최우선으로 고려하여, AI 기반의 솔루션을 실생활 문제 해결에 효과적으로 적용합니다. 이를 통해, 연구소는 다양한 분야에서 사용자의 요구를 충족시키는 혁신적인 제품과 서비스를 개발하고 있습니다. 개발된 애플리케이션은 사용자의 생활을 향상시키고, 산업 분야에서의 작업 효율성을 증가시키는 데 기여합니다. MacsLAB의 개발 연구는 AI 기술의 실세계 적용 가능성을 확장하고, 디지털 혁신을 촉진하는 중요한 역할을 하고 있습니다.

MacsLAB에서의 개발 분야 연구 방향성은 AI 기술의 실용화 및 사회적 적용에 있습니다. 예를 들어, 의료진을 위한 AI 기반 진단 지원 시스템의 개발은 의료 현장에서의 실시간 데이터 분석을 통해 진단의 정확성을 높이고, 환자 관리의 효율성을 개선하는 데 기여하고 있습니다. 또한, 스마트 시티 구현을 위한 AI 기반 교통 관리 시스템의 개발은 도시의 교통 흐름을 최적화하고, 교통 사고를 줄이는 데 중요한 역할을 합니다. 이와 같이, MacsLAB의 연구는 AI 기술의 실질적인 적용을 통해 사회적 문제를 해결하고, 일상 생활의 질을 향상시키는 데 중점을 두고 있습니다. 이러한 연구는 기술 혁신이 사회에 미치는 긍정적인 영향을 극대화하며, 지속 가능한 발전을 위한 기반을 마련합니다.

사용되는 주요 기술

웹 및 앱 개발 기술 (Web & App Development Technologies)
Full-stack Development
클라우드 컴퓨팅 (Cloud Computing)
데이터베이스 관리 시스템 (Database Management Systems)
사용자 인터페이스 디자인 (User Interface Design)
시스템 통합 (System Integration)
보안 및 프라이버시 (Security & Privacy)
성능 모니터링 및 최적화 (Performance Monitoring and Optimization)
소프트웨어 테스팅 및 디버깅 (Software Testing and Debugging)

Fine-Grained Binary Object Segmentation in Remote Sensing Imagery via Path-Selective Test-Time Adaptation

Wed, 20 Mar 2024 00:00:00 +0000

Predicting Obstructive Sleep Apnea Based on Computed Tomography Scan Using Deep Learning Models

Tue, 12 Mar 2024 00:00:00 +0000

(24년 1학기) 전북대학교 컴퓨터인공지능학부 부임

Fri, 08 Mar 2024 00:00:00 +0000

이경수 교수, 전북대학교 컴퓨터인공지능학부 임명

Intelligent Bladder Volume Monitoring for Wearable Ultrasound Devices: Enhancing Accuracy through Deep Learning-based Coarse-to-Fine Shape Estimation

Fri, 05 Jan 2024 00:00:00 +0000

Fine-Tuning Network in Federated Learning for Personalized Skin Diagnosis

Sun, 01 Oct 2023 00:00:00 +0000

Self-supervised Domain Adaptive Segmentation of Breast Cancer Via Test-time Fine-Tuning

Sun, 01 Oct 2023 00:00:00 +0000

USIM Gate: Upsampling Module for Segmenting Precise Boundaries Concerning Entropy

Thu, 27 Apr 2023 00:00:00 +0000

CSS-Net: Classification and Substitution for Segmentation of Rotator Cuff Tear

Thu, 08 Dec 2022 00:00:00 +0000

Stochastic Adaptive Activation Function

Sun, 04 Dec 2022 00:00:00 +0000

Contact

Mon, 24 Oct 2022 00:00:00 +0000

Tour

Mon, 24 Oct 2022 00:00:00 +0000

Deep-Learning Model Associating Lateral Cervical Radiographic Features with Cormack--lehane Grade 3 Or 4 Glottic View

Wed, 05 Oct 2022 00:00:00 +0000

USG-Net: Deep Learning-based Ultrasound Scanning-Guide for an Orthopedic Sonographer

Sat, 17 Sep 2022 00:00:00 +0000

Multi-task and Few-shot Learning-based Fully Automatic Deep Learning Platform for Mobile Diagnosis of Skin Diseases

Mon, 25 Jul 2022 00:00:00 +0000

Speckle Reduction Via Deep Content-aware Image Prior for Precise Breast Tumor Segmentation in an Ultrasound Image

Mon, 25 Jul 2022 00:00:00 +0000

Intelligent Smartphone-based Multimode Imaging Otoscope for the Mobile Diagnosis of Otitis Media

Tue, 23 Nov 2021 00:00:00 +0000

Self-Mutating Network for Domain Adaptive Segmentation in Aerial Images

Sun, 17 Oct 2021 00:00:00 +0000

Boundary-oriented Binary Building Segmentation Model with Two Scheme Learning for Aerial Images

Mon, 26 Jul 2021 00:00:00 +0000

Federated Learning for Thyroid Ultrasound Image Analysis to Protect Personal Information: Validation Study in a Real Health Care Environment

Tue, 18 May 2021 00:00:00 +0000

Local Similarity Siamese Network for Urban Land Change Detection on Remote Sensing Images

Fri, 26 Mar 2021 00:00:00 +0000

Imbalanced Loss-Integrated Deep-Learning-based Ultrasound Image Analysis for Diagnosis of Rotator-Cuff Tear

Mon, 22 Mar 2021 00:00:00 +0000

Domain Adaptive Transfer Attack-based Segmentation Networks for Building Extraction from Aerial Images

Fri, 31 Jul 2020 00:00:00 +0000

Fully-automatic Deep Learning-based Analysis for Determination of the Invasiveness of Breast Cancer Cells in an Acoustic Trap

Mon, 11 May 2020 00:00:00 +0000

Wide-field 3D Ultrasound Imaging Platform with a Semi-Automatic 3D Segmentation Algorithm for Quantitative Analysis of Rotator Cuff Tears

Mon, 06 Apr 2020 00:00:00 +0000

Smartphone-based Spectral Imaging Otoscope: System Development and Preliminary Study for Evaluation of Its Potential As a Mobile Diagnostic Tool

Thu, 05 Mar 2020 00:00:00 +0000

Mon, 01 Jan 0001 00:00:00 +0000