Research Areas

자기공명영상(MRI)은 현대 의학에서 가장 중요한 진단 도구 중 하나이지만, 긴 스캔 시간은 환자 부담을 높이고 임상 활용에 제약을 가져왔습니다. VIBE Lab은 딥러닝을 통해 가속 촬영된 k-space 데이터에서 고품질 MRI 영상을 빠르고 정확하게 복원하는 연구에 집중하고 있습니다.

비전 트랜스포머(Vision Transformer)와 순환 신경망(RNN)을 결합한 최신 아키텍처를 활용해, k-space 데이터에서 공간 도메인 영상으로의 직접 매핑을 학습합니다. 이를 통해 촬영 시간을 단축하고 진단 정확도를 높이는 것을 목표로 합니다.

• Direct k-space to Image 복원: 전통적인 푸리에 변환 파이프라인을 대신해, 순환 신경망(ETER-net ext{등})과 비전 트랜스포머를 통한 end-to-end 직접 변환을 학습합니다.
• 가속 병렬 MRI 복원: 방사형(Radial) 또는 카테시안(Cartesian) 궤적으로 언더샘플링된 희소 데이터로부터 아티팩트 없이 고해상도 영상을 복원합니다.
• 자세 변화에 따른 영향 분석: 환자의 자세 변화 및 저자장 스탠딩 MRI 환경에서 발생하는 해부학적 신호·콘트라스트 변화를 정량적으로 분석합니다.

시각 지능(Visual Intelligence)은 지능형 로봇, 자동화 품질 검사, 스마트 팩토리, 임상 보조 도구 등 다양한 응용 분야의 핵심 기술입니다. VIBE Lab은 이미지 내 복잡한 패턴을 추상화하고, 서로 다른 센서나 도메인 간의 격차가 있는 환경에서도 일관된 특징을 추출·매핑할 수 있는 네트워크를 연구합니다.

도메인 적응(Domain Adaptation), 레이블이 부족한 의료 환경에서의 이상 탐지(Anomaly Detection), 딥러닝 기반 직접 변환 매핑을 중심으로, 노이즈가 많고 불안정한 데이터 분포에서도 강인하게 동작하는 비전 추론 시스템 구축을 목표로 합니다.

• 도메인 변환 학습: 서로 다른 특성을 가진 이미지 도메인 간의 정보를 융합하고 보정합니다 (예: 듀얼 도메인 입력을 활용한 강인한 의료 영상 복원).
• 비지도 학습 기반 이상 탐지: 정상 데이터로만 학습된 생성 모델을 사용해, 별도의 레이블 없이 이미지의 왜곡·결함·구조적 이상을 탐지합니다.

음악 정보 검색(Music Information Retrieval, MIR)은 컴퓨터 공학, 인공지능, 음향 신호 처리를 융합해 음악 신호를 분석하고 체계화하는 다학제 연구 분야입니다. VIBE Lab은 악기 음원으로부터 멜로디 파라미터, 연주자 특성 등 다양한 음악적 속성을 학습하고 모델링하는 연구를 진행합니다.

• 피아노 연주자 구분을 위한 DNN: 피아노 연주 음원으로부터 연주자를 구분하는 심층 신경망을 개발합니다.