장혜정

안녕하세요, 주어진 일에 책임을 다하는 연구원 장혜정입니다.
저는 주변 사람들로부터 차분하다는 평가를 받고 있습니다. 또한 맡은 일은 끝까지 해보자는 마인드를 가지고 있습니다.
이러한 제 가치관과 차분한 성격을 바탕으로 주어진 일에서 어려움을 겪더라도, 일단 몰두해서 책임을 다하고자 노력하는 편입니다.

e-mail📩

학력

2013.03 ~ 2016.02 서초고등학교 졸업
2016.02 ~ 2020.02 한국외국어대학교 공과대학 전자공학과 졸업
2021.09 ~ 2023.08 이화여자대학교 컴퓨터의학협동과정 졸업
- Medical Imaging and Learning (MIL) Lab (엘텍공과대학 휴먼기계바이오공학부 신태훈 교수님 연구실)

학술대회 발표

2023.06 대한전자공학회(IEIE) 포스터 발표
2022.10 대한의료인공지능학회(KoSAIM) 구두 발표

프로젝트 경험

대학원 연구

삼차원 경동맥 TOF 자기공명 혈관조영 영상을 활용한 딥러닝 전이학습 기반 뇌백질변성 부피 예측

삼차원 경동맥 TOF 자기공명 혈관조영 영상을 활용한 딥러닝 전이학습 기반 뇌백질변성 부피 예측
딥러닝 기술을 활용하여 목 MRI 영상으로부터 뇌혈관 질환의 중증도를 예측하는 연구를 하였습니다. 뇌혈관 질환은 일반적으로 의사들이 뇌 MRI 영상을 통해 눈으로 진단합니다. 그런데 뇌 MRI 영상은 목 MRI 영상보다 촬영 시간이 길고 촬영 비용이 많이 듭니다. 뇌혈관 질환의 중증도와 목 동맥(경동맥) 질환이 상관관계가 있다는 임상 연구가 있어, 이 가설을 활용하여 목 MRI 영상을 통해 뇌혈관 질환의 중증도를 예측하고자 하였습니다. 문제를 간단하게 만들기 위해, 딥러닝 모델이 먼저 목 MRI 영상으로부터 경동맥을 찾아내도록 pre-training을 하고, 그런 다음 뇌혈관 질환의 중증도를 예측하도록 transfer learning 하는 방법을 적용하였습니다. 연구 결과, 뇌혈관 질환 중증도의 예측 값과 실제 값 간 Pearson 상관계수가 0.52로 딥러닝 모델을 활용하여 목 MRI 영상으로부터 뇌혈관 질환의 중증도를 예측하는 것이 가능함을 보였습니다.
`Python` `PyTorch` `XAI` `컴퓨터 비전` `딥러닝` `segmentation` `regression` `classification` `Linux`

딥러닝 기술을 활용하여 목 MRI 영상으로부터 뇌혈관 질환의 중증도를 예측하는 연구를 하였습니다.
뇌혈관 질환은 일반적으로 의사들이 뇌 MRI 영상을 통해 눈으로 진단합니다. 그런데 뇌 MRI 영상은 목 MRI 영상보다 촬영 시간이 길고 촬영 비용이 많이 듭니다.
뇌혈관 질환의 중증도와 목 동맥(경동맥) 질환이 상관관계가 있다는 임상 연구가 있어, 이 가설을 활용하여 목 MRI 영상을 통해 뇌혈관 질환의 중증도를 예측하고자 하였습니다.
문제를 간단하게 만들기 위해, 딥러닝 모델이 먼저 목 MRI 영상으로부터 경동맥을 찾아내도록 pre-training을 하고, 그런 다음 뇌혈관 질환의 중증도를 예측하도록 transfer learning 하는 방법을 적용하였습니다.
연구 결과, 뇌혈관 질환 중증도의 예측 값과 실제 값 간 Pearson 상관계수가 0.52로 딥러닝 모델을 활용하여 목 MRI 영상으로부터 뇌혈관 질환의 중증도를 예측하는 것이 가능함을 보였습니다.

Python PyTorch XAI 컴퓨터 비전 딥러닝 segmentation regression classification Linux

전공 프로젝트

수업명	주제	기간	내용	관련 기술
전자공학종합설계프로젝트	강화학습을 이용한 5G Network Slicing 트래픽 제어	2019.03.04 ~ 2019.11.27	학부 졸업 프로젝트의 주제로 5G Network Slicing 기술에 강화학습 알고리즘을 적용하여, 사용자 수요에 맞춰 대역폭을 할당하는 방법을 제안하였습니다. Python 언어를 사용했고, 강화학습의 environment(네트워크 환경)와 agent(통신사)를 직접 구현하였습니다. 강화학습에서 가장 대표적인 알고리즘인 Monte-Carlo update를 활용하여 데이터 패킷의 수가 많은 서비스에 대해 더 큰 보상을 부여하는 방식을 고안하였습니다. 이를 통해 강화학습 알고리즘으로 5G Network Slicing 기술 구현이 가능함을 보였습니다.	`Python` `TensorFlow` `강화학습`
프로세서응용종합설계	스마트폰으로 조작이 가능한 LED 디지털 시계	2018.10.30 ~ 2018.12.11	실생활에서 사용할 수 있는 전자제품을 설계하는 팀 프로젝트였습니다. 3인 팀을 구성하여 시계 하드웨어 구현, LED 동작 코드 작성, Android App 개발의 파트로 나누었습니다. 저는 앱 개발을 담당하였고 LED 동작 코드 작성에 기여하였습니다. Java 언어를 사용해서 앱을 개발했고 Bluetooth 모듈을 활용하여 앱과 시계 간 통신을 구현하였습니다. 프로젝트 활동을 바탕으로 LED 임베딩 경험을 할 수 있었고 데이터 통신 역량을 키울 수 있었습니다.	`IoT` `Java` `C++` `Arduino` `Android`

기타 프로젝트

주제	기간	활동내용	관련 기술
데이터톤(심전도 데이터셋을 이용한 부정맥 진단 AI 모델 개발)	2021.11.26 ~ 2021.12.12	2인 팀을 구성하여 심전도 데이터셋을 이용한 부정맥 진단 AI 모델을 개발하였습니다. PyTorch 기반으로 ResNet 모델을 사용한 결과, 예측 정확도가 약 99%로 모델의 성능이 매우 우수하였으며, 참가팀 중에서 5위를 기록하였습니다. 심전도 신호는 시계열 데이터이기 때문에 시계열 데이터를 활용하는 경험을 쌓을 수 있었습니다.	`Python` `PyTorch` `딥러닝`
시선 프로젝트(시각장애인을 위한 애플리케이션)	2020.08.10 ~ 2020.09.11	4인 팀을 구성하여 시각장애인의 안전한 보행을 위해 횡단보도와 신호등을 탐지하는 애플리케이션을 개발하였습니다. 횡단보도 및 신호등 사진 데이터 수집 및 라벨링 작업과 신호등 탐지 모델 구현을 수행하였습니다. Tensorflow 기반의 Darknet 모델을 tuning 한 결과, 탐지 정확도를 91%까지 낼 수 있었습니다. Object Detection 분야를 배울 수 있었고, 딥러닝 모델 구현 역량을 키울 수 있었습니다. 또한 GitHub 사용을 통해 협업 스킬을 습득하였습니다.	`Python` `TensorFlow` `Java` `컴퓨터 비전` `딥러닝` `object detection` `Android` `GitHub`
훕밥 프로젝트(교내 학생식당 애플리케이션)	2019.09.29 ~ 2019.12.21	교내 학생식당에서 기존에 사용하던 종이 식권을 바코드 혹은 QR 코드로 대체할 수 있는 Android App을 제안하였습니다. 앱 개발팀인 저희 팀에서는 팀원 5명의 역할을 각각 Front-end 파트와 Back-end 파트로 나누었습니다. 저는 팀원 한 명과 함께 Back-end 개발을 담당하였습니다. Firebase 데이터베이스를 활용하여 NoSQL 기반의 DB 설계 스킬을 습득하였습니다.	`Java` `Android` `NoSQL`
딥러닝 기반 Breast Cancer Prediction	2019.03.28 ~ 2019.06.04	Kaggle 플랫폼의 Breast Cancer Dataset을 활용하여 딥러닝 예측 모델을 구현하였습니다. Keras 기반의 baseline 코드를 참고해서 모델의 hyper-parameter를 tuning 한 결과, 예측 정확도가 98%로 모델의 성능이 매우 우수했습니다. 직접 딥러닝 모델을 구현해 보는 활동을 통해 딥러닝 메서드를 이해할 수 있게 되었고, 딥러닝 분야에 관심을 가지는 계기가 되었습니다.	`Python` `Keras` `딥러닝` `classification`