플러스프로젝트 배경
1) 문제점 - 수술 후 회복 상태를 정확하게 파악하기 위해서는 매번 병원을 방문해야 하는 번거로움이 있었고, 모바일 기반 비대면 진료 환경에서는 실제 상처 상태를 반영하는 AI 분석 기능이 부족했습니다. - 기존 회복률 산출 방식이 경과일 기반 rule-based로 이루어져 환자의 실제 피부·상처 상태를 반영하지 못해 정확도와 신뢰도 문제가 발생했습니다. - 라벨 부족·데이터 불균형으로 인해 의료
프로젝트 성과
모델 정확도 및 신뢰도 향상
모델 정확도를 67.3% → 84.4%, F1 Score를 0.84 → 0.896까지 향상시켰습니다.
의료 이미지 특성(비정형 상처 패턴)을 효과적으로 반영해 실제 임상 판단과의 일치도를 높였습니다.
의료 이미지 특성(비정형 상처 패턴)을 효과적으로 반영해 실제 임상 판단과의 일치도를 높였습니다.
데이터 부족 문제 해결 및 13만 장 규모의 고품질 학습 데이터 구축
초기 라벨링(400장)을 기반으로 pseudo-labeling → confidence filtering → 수작업 보완 방식의 Active Learning 파이프라인을 구축해 총 13만장 규모의 고품질 데이터셋 확보
실서비스 탑재(에포터 앱), 사용자 회복 관리 품질 향상
개발된 회복 평가 모델은 “에포터” 앱의 핵심 기능으로 실서비스 적용되어 사용자가 병원 방문 없이도 자가 회복 모니터링을 가능하게 했고 서비스의 메인 기능으로 탑재됨.
AI 모델 서빙 구조 개선 및 Latency 53% 감소
기존 Flask 기반 서빙 구조를 BentoML로 전환하여 모델 호출 속도를 4.7초 → 2.2초로 53% 단축하여 사용자 이탈률 감소와 서비스 안정성 확보.
핵심 기능
실시간 환부 상태 분석
- 실시간으로 촬영한 환부 이미지를 분석해 남은 회복 기간 산출
- 환부 상태에 맞는 회복 관리법 추천
- 환부 상태에 맞는 회복 관리법 추천
프로젝트 상세
1) 포트폴리오 소개 (서비스 카테고리 + 타깃) 헬스케어·뷰티 분야의 비대면 회복 관리 앱(“에포터”)에서 수술 환자를 위한 회복 상태 자동 분석 기능을 제공하는 Vision AI 서비스 개발. ⸻ 2) 작업 범위 (내가 맡은 역할 / 개발 환경) • Vision AI 모델 개발 (Classification, Feature Engineering, Deformable Conv 적용)
