Caramel LabCaramel Lab
#

파운데이션 모델

10편의 한국어 분석 — 최신순으로 정렬했어요

컴퓨터 과학발표 2026.06· 17최근 1년 9회

의료 영상 진단, 텍스트 활용 멀티모달 AI

멀티모달 파운데이션 모델은 의료 영상 해석에서 주목할 만하지만 상충되는 성능을 보여왔으며, 이미지와 텍스트 등 다양한 데이터 양식을 통합하고 우선순위를 정하는 방식은 명확히 이해되지 않았습니다. 본 연구는 이러한 모델들이 의료 영상 예측에 텍스트를 어떻게 활용하는지 탐구합니다. 저자들은 8가지 독점 및 오픈소스 멀티모달 파운데이션 모델을 1,090개의 멀티모달 의료 사례에 적용하여 평가했습니다. 이 과정에서 모델이 다양한 정보 양식을 통합하는 방식을 면밀히 분석했습니다. 연구 결과, 이미지 예측은 주로 텍스트 정보에 의해 좌우되…

컴퓨터 과학발표 2026.05· 139최근 1년 138회

MCP 서버의 보안 및 유지보수 연구

GPT-4와 같은 파운데이션 모델(FM)은 금융 및 소프트웨어 공학 분야에서 활용도가 높아지고 있으나, 텍스트 인터페이스의 한계로 인해 실제 세계와의 상호작용에 제약이 있었습니다. 이를 해결하고자 FM 제공업체들은 도구 호출 기능을 도입했으며, 2024년 Anthropic은 이러한 도구 생태계를 표준화하기 위해 모델 컨텍스트 프로토콜(MCP)을 발표했습니다. MCP는 주간 SDK 다운로드 2천 5백만 건 이상, 기업의 86%가 지원하는 등 빠르게 사실상의 산업 표준으로 자리 잡고 있습니다. 그러나 MCP의 AI 기반 비결정론적 제…

컴퓨터 과학발표 2026.03· 20최근 1년 10회

의료 AI의 데이터 중심 파운데이션 모델

파운데이션 모델(FM)의 등장은 계산 보건 분야에 새로운 기회를 제공하고 있습니다. 사전 학습 데이터와 인간의 지시를 통해 상호작용하는 이 모델들은 데이터 특성 분석, 품질, 규모를 강조하는 데이터 중심 AI 패러다임을 촉발했습니다. 하지만 의료 AI 분야에서 고품질 임상 데이터를 확보하고 처리하는 것은 데이터 양, 주석 처리, 환자 프라이버시, 윤리적 문제 등 오랜 도전 과제였습니다. 본 조사는 FM 시대(모델 사전 학습부터 추론까지)에 걸쳐 의료 워크플로우를 개선하기 위한 광범위한 데이터 중심 접근 방식을 탐구합니다. 특히 A…

컴퓨터 과학발표 2026.03· 93최근 1년 93회

AI 연구 전 과정 자동화 시스템

인공지능(AI) 연구 분야에서 과학 프로세스 자동화는 오랜 목표였습니다. 개별 구성 요소 자동화에는 상당한 진전이 있었으나, 아이디어 구상부터 출판에 이르는 전체 연구 생명주기를 자율적으로 수행하는 시스템은 아직 미개발 상태였습니다. 본 연구는 이러한 격차를 해소하고자 과학 연구의 전 과정을 자동화하는 파이프라인인 'The AI Scientist'를 제안합니다. The AI Scientist는 연구 아이디어 생성, 코드 작성, 실험 수행, 데이터 분석 및 시각화, 과학 논문 작성, 그리고 자체 동료 평가까지 수행합니다. 이 시스템…

컴퓨터 과학발표 2026.02· 104최근 1년 101회

3D CT 범용 파운데이션 모델 개발

의료 AI, 특히 3D 영상 분야의 발전은 포괄적인 데이터셋 부족으로 제약을 받아왔습니다. 본 연구는 3D 의료 영상과 해당 텍스트 보고서를 결합한 공개 데이터셋인 CT-RATE를 소개합니다. CT-RATE는 21,304명의 환자로부터 얻은 25,692개의 비조영 흉부 CT 스캔과 방사선 보고서로 구성됩니다. CT-RATE를 활용하여, 특정 작업 훈련 없이 광범위하게 적용 가능한 CT 중심의 대조 언어-영상 사전 학습 프레임워크인 CT-CLIP을 개발했습니다. 또한, CT-CLIP의 비전 인코더와 사전 학습된 대규모 언어 모델을 …

재료공학발표 2025.11· 191최근 1년 191회

원자 재료화학 파운데이션 모델

원자 단위 물질 시뮬레이션은 화학 및 재료 과학의 근간을 이루지만, 기존 기계 학습(ML) 기반 힘장(force field)은 특정 시스템에 대한 개발 및 검증에 많은 노력이 필요하고, 화학 시스템 간 전이성(transferability)이 부족하다는 한계가 있었습니다. 이는 시뮬레이션의 적용 범위와 효율성을 저해하는 주요 문제였습니다. 본 연구에서는 공개 데이터셋으로 학습된 범용 원자 ML 모델을 제안합니다. 이 모델은 다양한 분자와 재료에 대해 안정적인 분자 동역학 시뮬레이션을 수행할 수 있습니다. 특히, MACE-MP-0 모…

컴퓨터 과학발표 2025.11· 70최근 1년 70회

병리 분석을 위한 멀티모달 파운데이션 모델

컴퓨터 병리학 분야는 자기 지도 학습을 통해 조직 병리 관심 영역(ROI)을 다재다능하고 전이 가능한 특징 표현으로 인코딩하는 파운데이션 모델의 발전으로 변화하고 있습니다. 그러나 이러한 발전이 환자 및 슬라이드 수준의 복잡한 임상 문제를 해결하는 데 적용되는 것은 질병별 코호트의 제한된 임상 데이터, 특히 희귀 질환에 대한 데이터 부족으로 인해 제약을 받습니다. 본 연구에서는 이러한 한계를 극복하기 위해 Transformer 기반의 병리 이미지 및 텍스트 정렬 네트워크(TITAN)를 제안합니다. TITAN은 335,645개의 전…

컴퓨터 과학발표 2025.08· 66최근 1년 66회

웹 스케일 의료 데이터 활용 방사선과 범용 모델

본 연구는 방사선과 파운데이션 모델(RadFM) 개발의 가능성을 탐색한다. 이를 위해 데이터셋 구축, 모델 설계, 그리고 종합적인 평가의 세 가지 관점에서 접근했다. 연구팀은 1,300만 개의 2D 이미지와 61만 5천 개의 3D 스캔을 포함하는 4개의 멀티모달 데이터셋을 구축했으며, 기존 데이터셋과 통합하여 대규모 학습 데이터셋인 MedMD를 완성했다. 또한, 텍스트 입력과 2D 또는 3D 의료 스캔을 통합하여 진단, 시각 질의응답, 보고서 생성, 근거 기반 진단 등 다양한 방사선과 작업을 수행할 수 있는 새로운 모델 아키텍처를…

컴퓨터 과학발표 2025.08· 23최근 1년 23회

3D 의료 영상용 시각-언어 모델

최근 인공지능, 특히 시각-언어 파운데이션 모델(VLFMs)의 발전은 복잡한 3D 의료 영상 데이터로부터 방사선 보고서 생성을 자동화할 가능성을 보여줍니다. 본 연구는 VLFMs에 대한 23개 연구를 분석하여 모델 아키텍처, 기능, 훈련 데이터셋 및 평가 지표에 중점을 두었습니다. 연구 방법론은 VLFMs 관련 문헌을 체계적으로 검토하고, 각 연구의 핵심 요소를 비교 분석하는 방식으로 진행되었습니다. 이를 통해 방사선학 분야에서 AI의 진화 과정을 추적하고, 현재 기술 수준과 한계를 파악했습니다. 분석 결과, 일관되고 고품질의 …

컴퓨터 과학발표 2025.06· 41최근 1년 41회

의료 영상 비전-언어 파운데이션 모델

대규모 언어 모델과 비전-언어 모델(VLM)을 포함한 파운데이션 모델은 효율적이고 확장 가능하며 다중 모드 학습을 통해 인공지능 분야에 혁신을 가져왔습니다. 이러한 모델은 자기 지도 및 준 지도 학습의 발전을 활용하여 컴퓨터 비전과 자연어 처리를 통합함으로써 질병 분류, 분할, 교차 모드 검색, 자동 보고서 생성과 같은 복잡한 작업을 해결합니다. 의료 분야에서 파운데이션 모델은 다양한 의료 영상 모달리티 정보와 방사선 보고서 및 임상 기록의 텍스트 데이터를 결합하여 중요한 문제를 해결합니다. 이러한 통합은 진단 워크플로우를 간소화…

연구 트렌드로 돌아가기