바이오 영상 기반 세포 분류 모델의 선택적 머신 언러닝 컴퓨팅 모듈 개발
| KOS 유형 | 분류체계 |
|---|---|
| 수요기관 | 대구경북과학기술원 |
| 공고기관 | 대구경북과학기술원 |
| 사업목적 | KOS 개발 |
| 사업년도 | 2026 |
| 사업기간 | 5개월 |
| 사업예산 | 80,000천원 |
| 사업ID | RFP-3-380 |
사업개요
사업명
바이오 영상 기반 세포 분류 모델의 선택적 머신 언러닝 컴퓨팅 모듈 개발
(Bioimage-Based Cell Classification Model Selective Machine Unlearning Computing Module Development)
사업 세부목적
ㅇ 디지털 홀로그래피 현미경(DHM) 기반 위상영상 데이터를 활용한 세포 분류 인공지능 모델에서 특정 데이터의 영향을 선택적으로 제거할 수 있는 머신 언러닝 핵심 알고리즘을 개발함
ㅇ 구체적으로, 다음의 목적을 달성하고자 함: (1) DHM 위상영상 기반 딥러닝 분류 모델에서 특정 데이터(환자, 암세포 유형 등)의 기여도를 정량적으로 분석할 수 있는 기술 개발, (2) 모델 전체 재학습 없이 특정 데이터의 영향만을 제거하는 효율적이고 경량화된 머신 언러닝 알고리즘 설계, (3) Gradient 기반 weight saliency를 활용하여 선택적 파라미터 업데이트 구조 구현, (4) 언러닝 이후에도 정상 데이터에 대한 분류 성능을 유지하는 안정적 모델 보존 기술 확보, (5) 의료 데이터의 삭제 요구(예: 개인정보 보호, 데이터 편향 제거)에 대응 가능한 실용적 AI 모델 관리 기술 확보
ㅇ 이를 통해, 의료 영상 AI의 신뢰성, 프라이버시 보호, 및 지속 가능한 모델 운영을 위한 핵심 기반 기술 확보를 목표로 함
사업기간 및 예산
- 사업기간 : 계약체결일로부터 5개월
- 소요예산 : 80,000천원
사업내용
과업 내용
ㅇ DHM 위상영상 기반 세포 분류 모델 구축
- DHM 위상영상 데이터 수집·전처리 및 품질 개선 - 세포 단위 ROI 추출 및 라벨링 체계 구축 - CNN, Vision Transformer 기반 세포 분류 모델 설계 및 구현 - 분류 정확도 및 F1-score 기반 기준 성능 확보
ㅇ 데이터 영향도 분석 및 Weight Saliency 기술 개발
- 특정 데이터(환자·암세포 유형 등)의 모델 영향도 정량화 - Gradient, Hessian, Fisher Information 기반 Weight Saliency 산출 기술 개발 - 영향도 시각화 및 모델 Explainability 확보
ㅇ 선택적 머신 언러닝 알고리즘 설계
- 특정 데이터만 제거 가능한 Selective Unlearning Framework 설계 - Weight Saliency 기반 선택적 파라미터 업데이트 구조 개발 - 전체 재학습 대비 경량화·고효율 언러닝 구조 구현
ㅇ 머신 언러닝 컴퓨팅 모듈 구현
- 데이터 영향 분석, Saliency 계산, Selective Update 기능 통합 모듈 개발 - 외부 AI 시스템 연동 가능한 API 및 인터페이스 설계 - 확장 가능한 모듈형 아키텍처 구현
ㅇ 언러닝 성능 평가 및 검증
- 데이터 삭제 효과 및 Membership Inference 기반 검증 수행 - 언러닝 전·후 분류 성능 비교 및 안정성 평가 - 연산량, 처리 속도, 메모리 사용량 등 효율성 분석
수행 방법
ㅇ DHM 위상영상 데이터 수집·전처리 및 데이터셋 구축
ㅇ 딥러닝 기반 세포 분류 모델 설계·학습 및 성능 비교 분석
ㅇ Gradient 기반 데이터 기여도 분석 및 Weight Saliency 계산 알고리즘 개발
ㅇ 선택적 파라미터 업데이트 기반 머신 언러닝 알고리즘 구현
ㅇ 모듈형 소프트웨어 및 API 구조 설계·개발
ㅇ 성능 검증 지표(Accuracy, Precision, Recall, F1-score 등) 기반 평가 수행
ㅇ Membership Inference 및 Influence Function 기반 언러닝 효과 검증
ㅇ 의료 AI 환경 적용성 및 프라이버시 보호 측면 실증 평가
주요 산출물
ㅇ DHM 위상영상 기반 세포 분류 데이터셋 및 전처리 결과물
ㅇ 세포 분류 딥러닝 모델 및 Baseline 모델
ㅇ 데이터 영향도 분석 및 Weight Saliency 산출 알고리즘
ㅇ 선택적 머신 언러닝 알고리즘 및 프레임워크
ㅇ 머신 언러닝 컴퓨팅 모듈 및 API 인터페이스
ㅇ 언러닝 성능 평가 및 검증 결과 보고서
ㅇ 최종 결과보고서 (프라이버시 보호 및 AI 모델 관리 기술 포함)
(위 사업내용은 AI 요약과 연구팀 담당자의 검토를 거쳐 작성하였음)
관련정보
1. KOS 메타정보
- (없음)
2. 결과보고서
- (없음)
3. 관련 RFP
- (없음)
분류정보
| BRM | B002 | 과학기술>과학기술진흥 |
|---|---|---|
| KDC | 004 | 컴퓨터과학 |
| DDC | 004 | Computer science |
| ILC | wnu | computers [computer science; information technology] |