date
Jun 25, 2022
slug
resume
author
status
PublicOnDetail
tags
summary
type
Paper
thumbnail
category
updatedAt
Jun 25, 2024 01:25 AM
ChangSeok Lee, Medical AI Research Engineer
Introduce.
안녕하세요, 딥러닝과 의료 영상 분석 분야에 깊은 흥미와 경험을 가진 이창석입니다.
대학 시절부터 의료 영상 분석 및 처리 분야의 다양한 연구에 몰두했으며, 특히 딥러닝을 활용한 연구에서 주도적인 역할을 수행하였습니다. 병원 관계자들과의 협력 아래 연구성과를 토대로 특허를 출원한 경험은 물론, 학술 대회에서 연구의 중요성을 강조하며 전문성을 다져왔습니다.
AI 분야의 급변하는 기술 트렌드를 지속적으로 주시하고, 신규 모델에 대한 구현 경험이 있습니다. 연구실 내에서는 팀원들과 지식을 교류하는 주기적인 미팅을 주관하여 연구의 질을 향상시켰습니다.
현재 Tesser에서 Medical AI Research Engineer로서 지속적인 학습과 혁신을 추구하고 있습니다. 동료들과 지식을 공유하고, 새로운 기술의 업무 적용, 그리고 업무의 효율성을 위한 조율을 통해 팀의 성장을 위해 끊임없이 노력하고 있습니다.
저는 실패를 단순히 경험의 하나로 보고, 그것을 극복하고자 하는 의지를 가지고 있습니다.
감사합니다.
Medical Research at Tesser inc
Ontol 3D
MRI 3D 시각화를 통해, 자신의 질환 상태에 대한 이해만족도 향상
- nnUNet 기반 DCE-MRI 유방암 영역 분할 알고리즘 개발 (Pytorch)
- Ontol 3D 시각화 개발 담당 (three.js, Blender)
- 프론트엔트 개발 담당 (Django)
이창석 | 2022. 06 ~ present
Pathology AI
고해상도의 조직병리 이미지에서 종양을 탐지할 수 있는 딥러닝 모델을 개발하여 임상 현장의 실무진이 AI 분석 결과를 손쉽게 확인하고 해석할 수 있도록 사용자 친화적인 GUI 소프트웨어 개발
- 데이터 가공 및 전처리 (OpenSlide, OpenCV)
- AI 모델 학습 및 최적화 (Pytorch)
- GUI 프로그램 개발 (PyQt)
이창석 | 2023. 04 ~ 2023. 10
Medical Research at NI3 Lab
PET 영상 신호 부분 용적 효과 보정 알고리즘
Partial-volume effect correction of PET images using 3d-residual-UNet
이창석*, 정병창, 정현강, 한철 | 2020. 10 ~ 2021. 07 (10개월)
양전자 방출 단층 촬영(PET) 영상 시스템의 한정적인 분해능에 의해 분해능보다 작은 물체를 제대로 표현하지 못하는 손실을 인공신경망을 이용해서 보정하는 알고리즘(Deep Residual 3D Unet)을 구현
| 2021년 대한전자공학회 학술대회 | 2021년 국제뇌기능맵핑학회 | 특허 출원
뇌 FLAIR 자기공명영상의 초해상도 영상 복원 알고리즘
Super Resolution Algorithm from Brain FLAIR MR images
오지석, 이창석*, 박재희, 정병창, 한철 | 2020. 12 ~ 2021. 02 (3개월)
| 2021년 영상처리 및 이해에 관한 워크샵
뇌 자기공명영상의 회백질 영역 분할 알고리즘
Grey Matter Segmentation Algorithm from Brain MR images
이창석*, 한철 | 2021. 03 ~ 2021. 06 (4개월)
뇌 자기공명영상에서 회백질 부위를 분할하는 기존 임계값 처리 알고리즘을 인공신경망(Deep Residual 3D Unet)으로 대체하여 정확도를 유지하면서도 처리 시간을 단축
| 교내 프로젝트
조감도를 이용한 객체 동선 추적 알고리즘
DeepSORT Algorithm using Bird Eye View
이창석*, 오지석, 박재희, 장규삼 | 2020. 07 ~ 2020. 12 (6개월)
객체 추적 알고리즘과 조감도를 이용하여 객체 간 중첩되어 소멸되는 ID를 추적하는 알고리즘 구현
| 2020년 고려대학교 실전문제연구단 최우수상
Work Experience.
Ontol 3D
: 2022.06 - present
- Breast Cancer AI Model Development:
유방 및 유방암의 분할 모델을 개발하는 주요 업무를 담당함. 학습에는 오픈 데이터셋을 활용하였으나, 데이터의 부족함을 느껴 semi-supervised 학습 방법을 도입하여 일반화 성능을 크게 향상시킴. 유방 영역 모델은 다양한 병원과 스캐너에서 98%의 높은 성능을 보임. 전문 데이터 라벨링 업체와의 협력을 통해 유방암 라벨링 데이터를 생성하고 모델을 개발하여 성능은 85% 달성함.
- Ontol 3D Visualization:
AI 모델로부터 추론된 결과물을 3D 오브젝트(glb) 형태로 변환 및 최적화하였고, Blender를 활용하여 해당 오브젝트의 텍스쳐를 적용하고 검수하는 작업을 진행함. Threejs를 활용해 데스크탑 및 모바일에서 3D 오브젝트를 시각화할 수 있는 프론트엔드를 개발함.
- Ontol 3D WebServer:
Ontol 3D의 웹서버를 개발하는 작업을 수행함. Django를 활용하여 프론트엔드 서버를 구축하였고, FastAPI를 사용하여 백엔드 서버를 구동함. 환자 정보를 관리하기 위해 PostgreSQL을 이용하여 데이터베이스를 설정하고 저장함.
Tech Stack
Pytorch, Html, CSS, JavaScript, Threejs, Django, FastAPI
Pathology AI (2023 AI 바우처)
: 2023.04 - 2023.10
- 데이터 가공 및 전처리:
수요기업에서 제공받은 조직병리 슬라이드 데이터를 깊게 분석하였고, 다양한 방법으로 데이터를 가공함. 이를 통해 AI 모델 학습에 바로 활용될 수 있는 형식으로 데이터를 전처리하였으며, 품질 향상을 위한 추가적인 데이터 클렌징 작업도 진행함.
- AI 모델 학습 및 최적화:
고해상도의 조직병리 이미지를 효과적으로 분석할 수 있는 딥러닝 모델을 설계함. 데이터셋의 규모와 특성에 맞게 모델 구조를 최적화하였고, 다양한 학습 전략을 도입하여 성능 향상을 시도함. 목표 성능 F1 Score 0.93보다 높은 0.95를 달성함.
- GUI 프로그램 개발:
Qt 프레임워크를 활용하여 임상 현장의 실무진이 AI 분석 결과를 손쉽게 확인하고 해석할 수 있도록 사용자 친화적인 GUI 소프트웨어를 개발함. 이를 통해 실무진이 데이터를 효율적으로 관리하고, 즉각적인 결과 분석을 확인할 수 있게 되었음.
Tech Stack
Pytorch, OpenSlide, OpenCV, PyQt
Other Experience.
구름 자연어 부트캠프
: 2021.12 - 2022.03
- AI 기술 자연어 처리 전문가 양성 과정
정보통신산업진흥원(NIPA) 인공지능 교육
: 2021.07 - 2021.08
- 엘리스 AI 실무 응용 교육 과정
고려대학교 일반대학원
전자정보공학과 (전공)
인공지능 스마트융합기술 (부전공)
: 2021.03 - 2021.07 (중퇴)
- PET 영상 신호 부분 용적 효과 보정 알고리즘
- 뇌 FLAIR 자기공명영상의 초해상도 영상 복원 알고리즘
- 뇌 자기공명영상의 회백질 영역 분할 알고리즘
고려대학교 세종캠퍼스
전자 및 정보공학과 (전공)
: 2015.03 - 2021.03 (졸업)
- 고려대학교 NI3 연구실 학부생 연구 인턴
- 조감도를 이용한 객체 동선 추적 알고리즘