Q: 우수연구상 수상을 축하드리며, 소감 한 말씀 부탁드립니다.

   감사합니다. 좋은 연구가 될 수 있도록 지도해주신 조승룡 교수님과, 의료영상 및 의학물리 연구실 동료들 덕택이라고 생각하고 있습니다. 향후에도 좋은 연구를 할 수 있도록 노력하겠습니다.

Q: 현재 연구중인 분야를 짤막하게 설명 부탁드립니다.

   유방암은 한국뿐만 아니라 세계적으로도 여성에게 가장 흔하게 발병하는 암입니다. X선 유방 단층 촬영(Digital breast tomosynthesis, DBT)은 유방암의 조기 진단에서 기존에 사용하던 X선 맘모그라피의 단점을 보완 및 해결한 방법으로, 다양한 각도에서 X선을 조사하여 유방의 3차원 정보를 얻어낼 수 있는 장점이 있습니다. DBT 촬영 시 환자에게 주어지는 방사선량을 줄이면서도 좋은 품질의 영상을 얻어내기 위해서 유방을 압착하는데, 이 과정에서 유방의 가장자리 부분은 제대로 압착되지 않아 형태의 불균질성이 생기게 됩니다. 이런 불균질한 유방의 형태는 진단 영상의 품질 저하와 유방 밀도 추정에서 오차를 야기하는 원인이 됩니다.

본 연구는 저희가 앞서 진행했던 컨볼루션 신경망 기반의 유방 두께 보정 기법을 기반으로 하고 있습니다. CNN을 이용하여 실제 두께에 기반한 유방 두께 보정 영상을 얻어낸 뒤, 대수적 영상 재건 기법을 활용하여 DBT 촬영 중인 유방의 형태를 재건해내는 방법입니다. 기존에 잘 알려진 이산 대수 영상 재건 방법(Discrete Algebraic Reconstruction Technique, DART)에 모폴로지 연산을 추가하여, 유방의 형태를 사실적으로 재건해내는 방법론을 고안하였습니다. 이 연구는 유방암 진단 영상의 품질 개선, 유방 밀도 추정의 정확도 개선 등 유방암 진단 분야의 다양한 문제점을 해결할 수 있을 것으로 기대합니다.

Q: 미래에 어떤 일을 하고싶으신지 여쭤보고 싶습니다.

   최근 딥러닝 기술은 computer vision 분야의 많은 문제를 효과적으로 해결하고 있습니다. 의료영상 분야에서도 딥러닝 기술을 활용하고자 하는 다양한 시도들이 성과를 내고 있습니다. 저는 본 연구처럼 최신 딥러닝 기술과 기존 의료영상 분야의 기술을 결합하여 진단 영상에서 생기는 다양한 문제를 해결하고 싶습니다.

Q: 2021년 원자력 및 양자공학과를 들어오게 될 후배분들께 한 말씀 부탁드립니다.

   원자력 발전이 우리에게 아주 중요하고 필요한 기술임에는 의심의 여지가 없습니다만, 저희 과에서는 원자력뿐만 아니라 방사선 공학, 의료 영상, 방사선 치료 등 다양한 방사선 관련 분야들에 대해서도 연구하고 있습니다. 연관 분야에 흥미를 느낀 분이시라면, 분명 저희 학과에서 재미있고 신기한 것들을 많이 배우실 수 있을 거로 생각합니다.