최준원
최준원은 한양대학교(Hanyang University) 부교수이다. 2010년 미국 일리노이 대학교 어버너-섐페인 캠퍼스(UIUC: University of Illinois at Urbana–Champaign)에서 전기 컴퓨터 공학 박사를 취득한 후 2013년까지 미국 샌디에고에 위치한 미국의 무선 전화통신 연구 및 개발 기업인 퀄컴(Qualcomm) 연구소에서 근무했다.
개요[편집]
최준원은 한양대학교 서울캠퍼스 공과대학(College of Engineering) 전기생체공학부(Division of Electrical and Biomedical Engineering) 전기공학전공( Major in Electrical Engineering) 교수이자, 신호처리(signal processing)와 머신러닝(machine learning) 분야를 연구하는 신호처리 인공지능 연구실 연구실장을 겸임하고 있다. 이러한 신호처리 인공지능 연구실은 신호처리 분야에서는 압축센싱(Compressed Sensing)과 같은 최신 신호처리 이론을 이용하여 다양한 신호처리 응용분야에 대한 연구를 수행하고 있고, 밀리미터 대역 통신, 머신러닝 기반 채널추정, 위치기반 단말 간 직접 통신(D2D: device-to-Device) 시스템, 초음파(ultrasound) 영상 복원 알고리즘(algorithm), 센서데이터(Sensor Data) 처리 등에 대한 연구를 수행하고 있다. 또한,머신러닝 분야에서는 딥러닝(deep learning)과 강화 학습((Reinforcement learning)) 이론을 이용하여 자율주행(autonomous driving), 인터랙티브 로봇(Interactive Robotics), 스마트 그리드(smart grid), 저 연산 딥러닝 알고리즘 등에 대한 연구를 수행하고 있다.[1]
학력[편집]
- 서울대학교 전기 공학과 학사
- 서울대학교 전기 컴퓨터 공학과 박사
- 일리노이 대학교 어버너-섐페인 캠퍼스 전기 컴퓨터 공학 박사[1]
경력[편집]
- 2010년 : 퀼컴 연구소 근무
- 2013년 : 한양대학교 전기 공학과 교수[1]
주요 활동[편집]
블록체인 의료 프로그램[편집]
2020년 9월 16일 한양대병원(HANYANG UNIVERSITY SEOUL HOSPITAL) 이원준 교수는 여러 가지 첨단 장비들을 이용하여 획득한 디지털 영상을 통합해 더 효과적으로 녹내장의 초기 진단 및 진행을 판단하는 프로그램을 개발 중이라고 밝혔다. 이번 연구 결과로 녹내장 초기 구조적 변화를 감지가 가능하게 되고, 이를 바탕으로 치료 및 관리 방향을 결정하는 데 도움을 줄 수 있을 것으로 기대된다고 이원준 교수는 말했다. 또한, “눈의 각 신경층의 두께를 촬영하는 빛 간섭단층촬영은 녹내장 분야에서 많이 시행되고 있다”라며 “각각 얻어진 시신경과 황반부 영상들을 통합해 광범위 영상을 얻고, 시간을 두고 촬영된 모든 영상을 분석해 효과적으로 보여주는 광범위 녹내장 구조 진행 판단 프로그램을 개발 중이다”라고 말하며, 이와 같은 프로그램을 개발한 이유에 대해서 녹내장의 진단과 진행을 판단하는 다양한 종류의 영상장비들이 개발되고 사용되고 있지만, 통합 소프트웨어의 개발이 느려 녹내장의 진행을 판단하는 방법은 산발적으로 흩어진 자료를 통해 안과 의사가 판단하고 있는 것이 대부분이기 때문이라고 설명했다. 이어 “기술의 개발과 함께 광범위 영상을 한꺼번에 촬영하는 OCT 장비도 상용화되고 있는데, 이를 통해 얻은 영상들을 가장 효과적으로 분석할 수 있도록, 광범위 구조 편차 맵 소프트웨어도 개발 중이다”라며 “이러한 소프트웨어들을 개발해 녹내장의 진단과 진행을 판단하는 주요 정보로 활용할 수 있도록 노력하고 있다”라고 밝혔다. 이러한 프로그램의 기술적으로 큰 도움을 준 사람이 바로 최준원 교수다. 이원준 교수는 한양대학교 전기생체공학부 최준원 교수팀과 함께 딥러닝기 반 AI와 광범위 OCT 영상을 결합해 녹내장의 진단력을 높이는 기술과 공초점주사 레이저검안경을 이용한 영상과 AI를 접목하는 연구도 함께 진행 중이다”라며 “향후 연구들을 통합해 녹내장 진단과 진행을 판단할 수 있는 통합 프로그램을 개발해 녹내장 환자에게 맞는 최적의 관리법을 제안하고, 진행 속도를 낮추는 것을 최종 목표이다”라고 말했다. 2020년 현재 전 세계적으로 고령화가 빠르게 진행되고 있기 때문에 녹내장의 발병률도 점점 증가하는 추세이며, 이로 인한 사회적 비용 증가 문제는 안과 의학 및 공중보건상의 중요한 이슈가 되고 있다. 때문에 여러 장비에서의 검사 결과를 하나로 통합해 초기에 녹내장 진행을 판단할 수 있는 소프트웨어의 개발이 절실하게 필요한 상황이다. 이러한 문제를 블록체인 기반의 산발 및 개별적 디지털 영상자료의 통합 및 실용화를 통해 녹내장의 기전에 대한 기초학적인 단서를 제공할 수 있고, 이를 통해 치료 방법에 대한 방향을 제시할 수 있어 해결이 가능하며, 그뿐만 아니라 국내 400여 곳의 안과 기록을 통합해 통합의료센터 및 진단 시스템으로 활용할 수 있고 원격의료 시뮬레이션이 가능하다. 이원준 교수는 이 프로그램에 만족하지 않고, 영상자료의 통합 및 실용화를 위하여 임상 연구를 진행하고 타당성 및 신뢰도 평가 후 어플을 개발하여 의료취약지역 등에서도 사용이 가능하도록 연구할 계획이라고 밝혔으며, 더 나아가 다양한 질환의 검사와 이미지 결과를 분석하는 인공지능 통합 진단 프로그램 제공을 위한 연구를 진행할 계획이라고 말했다.[2]
자율주행 발전전략 세미나[편집]
2019년 3월 19일 열린 ‘자율주행 차량을 위한 전장기술 및 5G 상용화 발전전략 세미나’에서 최준원 교수는 “자율주행을 위한 요소에는 인지, 측위, 판단, 제어가 있다. 자율주행의 상용화를 위해서는 이러한 자율주행의 기능들이 신뢰성이 높고 환경변화에 강인한 성능을 가져야 한다”라며 “최근에 기계학습의 수준을 도약시킨 딥러닝 기법이 자율주행에 적용되어 자율주행의 수준을 도약시키고 있다”라고 말했다. 특히 안전성을 담보하기 위해서는 무엇보다 인지 부분이 중요하다. 최준원 교수는 “딥러닝 기법을 쓴다고 해서 100% 안전성 보장이 가능한 것은 아니다. 자율주행차 주변의 동적 개체들이 어떤 의도를 가지고 움직이느냐 하는 것을 파악하는 것이 어렵기 때문이다. 차선을 변경하려고 점멸등을 켰을 때 뒤에 차가 끼어드는 것을 허용할지 아닐지 그 의도 파악은 사람들에게도 어려운 문제다. 주변의 차량과 보행자들의 패턴을 분석해서 의도를 파악하는 것이 자율 주행기술이 풀어야 할 숙제”라고 설명했다. 이와 같이 인지 단계에서의 작은 실수가 큰 문제로 번질 수 있기 때문에 이중, 삼중으로 꼼꼼하게 안전장치를 만들어야 한다고 의견을 주장했다. 또한, 최준원 교수는 “비행기의 경우 사고율이 낮지만, 한번 사고가 나면 대형 참사로 이어지기 때문에 여러 경로의 안전장치를 해두는 것처럼 자율 주행차도 마찬가지라며, 여기에 적절한 것이 바로 멀티 모달 러닝(Multi-modal Learning)”이라고 소개했다. 멀티 모달 러닝이란 다양한 모달 센서를 활용해 인공지능이 상황을 분석하고, 인지하여 판단을 이끌어가는 딥러닝라고 할 수 있다. 이러한 멀티 모달 러닝에 대해서 최준원 교수는 “카메라 이미지와 레이더 데이터, 라이다 데이터 등 여러 센서를 통해 들어오는 다른 형태의 정보들을 어떻게 통합해 학습시키느냐 하는 것이 멀티 모달 러닝의 관건이고 자율주행차 상용화의 도전이 될 것”이라고 강조했다.[3]
각주[편집]
- ↑ 1.0 1.1 1.2 최준원 한양위키 - https://hyu.wiki/%EC%B5%9C%EC%A4%80%EC%9B%90
- ↑ 박원빈 기자, 〈블록체인 기반 통합 프로그램 개발로 녹내장 진행 늦춘다〉, 《후생신보》, 2019-09-17
- ↑ 김순경 기자, 〈자율주행이 상용화 되기 위해서는〉, 《더 사이언스 타임스》, 2019-03-20
참고자료[편집]
- 최준원 한양위키 - https://hyu.wiki/%EC%B5%9C%EC%A4%80%EC%9B%90
- 박원빈 기자, 〈블록체인 기반 통합 프로그램 개발로 녹내장 진행 늦춘다〉, 《IT 후생신보》, 2019-09-17
- 김순경 기자, 〈자율주행이 상용화 되기 위해서는〉, 《더 사이언스 타임스》, 2019-03-20
같이 보기[편집]
