Interpretable Multi-Modal Deep Learning for Whole-SlideImageBased Cancer Diagnosis
개인기초연구(과기정통부)(R&D) · 우수연구-핵심연구(기본연구A)
2026년
2710115124
과학기술정보통신부
한국연구재단
중앙대학교산학협력단
최광남
5명
2026.09.01 ~ 2027.08.31
2026.09.01 ~ 2029.08.31
4,444만원
4,444만원
기초연구
대학
서울특별시 동작구
정보/통신 > 정보이론 > 인공지능
본 연구의 최종 목표는 전-슬라이드 이미지(WSI)와 다중오믹스(Genomics·Transcriptomics·Proteomics) 및 임상 데이터를 단계적으로 통합하여, 해석 가능한 방식으로 암 진단 및 예후를 예측하는 다중모달 딥러닝 모델 Multi-Modal Cyclic Intelligence(MCI) 를 개발하는 것이다.기존 딥러닝 기반 병리 분석 시...
본 연구는 병리 WSI와 오믹스 정보를 통합 학습하는 MCI 모델을 기반으로, 시각적·생물학적 해석 가능성을 갖춘 단계적 다중모달 학습 기법을 개발한다.(1) 데이터 수집 및 전처리: TCGA, CPTAC, PathVQA, MedQA(USMLE)로부터 WSI, 오믹스(돌연변이·RNA-seq·RPPA), 임상 데이터를 환자 단위로 매칭 수집하며, 표준화된 전...
(1) 활용방안학술적 측면: 제안 모델은 계산병리학 분야에서 해석 가능한 다중모달 학습의 새로운 방법론적 기반을 제공하며, 향후 연구를 위한 벤치마크 결과·학습된 모델·재현 가능한 실험 파이프라인을 공개적으로 제공한다.임상적 측면: 직접적 임상 배포가 목표는 아니나, 조직병리학적 형태와 분자 신호의 공동 표현·해석에 대한 이해를 향상시켜 향후 설명 가능한 ...