우리 연구실의 김선호, 박춘수 학생이 Ultrasonic Imaging 저널 논문 게재가 승인되었습니다.

“Ultrasound Microvascular Imaging using Deep Knowledge Distillation”
위 논문에서는 초고속 도플러 영상(Ultrafast Doppler imaging)의 긴 데이터 획득 시간과 높은 연산 비용(SVD 필터링 등)의 한계를 극복하기 위해, 제한된 도플러 프레임만으로 고품질 혈관 이미지를 실시간 재구성하는 딥러닝 프레임워크 ‘SONIC’을 제안합니다. SONIC은 빠른 추론을 위한 학생 모델(Student model)이 사전 학습된 교사 네트워크(Teacher network)의 지도를 받는 Teacher-student 구조를 이용합니다. 특히, 심층 지도(Deep supervision)와 지식 증류(Knowledge distillation)를 결합한 손실 전략을 도입하여, 적은 데이터 조건에서도 노이즈를 억제하고 영상 품질을 극대화하도록 설계되었습니다. 생체 내(In vivo) 실험 결과, SONIC은 적은 프레임으로도 기존 SVD 방식 대비 우수한 혈관 분할 정확도와 신호 충실도를 달성했으며, GPU 기반의 실시간 처리가 가능해 임상 워크플로우 통합에 유리합니다.