top of page

SHDI PNG_edited.png

Center for Hemo-Dynamic Index Research

1단계 주요 연구실적

Center for Precision Medicine Platform Based on
Smart Hemo-Dynamic Index

(2022.06 - 2026.02)

정밀의료 플랫폼 구현을 위한 원천기술 개발

SHDI 연구센터는 환자별 심뇌혈관 진단과 치료 판단을 돕는 기술을 연구합니다.
1단계에서는 관상동맥·경동맥·뇌동맥·대동맥을 대상으로
정량 진단지표, 혈류 분석·예측 기술, 통합 분석·XR 플랫폼 및
임상 데이터뱅크의 기반을 마련했습니다.

핵심 연구 성과

01. 혈류·임상정보 기반 정량 진단지표

환자별 위험도 평가를 위한 HDI·SI 개발

혈류 특성을 정량화하는 혈류역학 지표 HDI와
환자의 임상정보를 반영하는 스마트 지표 SI를 개발했습니다.
이를 바탕으로 환자별 위험도를 평가하고
진단·치료 판단을 지원하기 위한 정량적 평가 기반을 마련했습니다.

02. 의료진을 위한 통합 분석·XR 플랫폼

의료영상 분석부터 입체적 혈류 시각화까지

▲ 활용 예시 이미지

▲ SHDI선도연구센터 홍보 부스 체험 장면

의료영상 입력, 혈류 분석, 결과 확인을
하나의 흐름으로 연결하는 통합 분석 환경입니다.
3차원 혈관과 혈류 정보를 입체적으로 살펴보고
여러 사용자가 함께 확인할 수 있는 XR 기술을 구현해,
시연과 사용자 피드백을 통해 활용성을 점검했습니다.

03. 심뇌혈관 임상 데이터뱅크

의료영상과 임상정보를 연결하는 연구 기반

관상동맥·경동맥·뇌동맥·대동맥 질환의
의료영상과 임상정보를연계한 SHDI 데이터뱅크입니다.
환별 데이터 수집·관리 체계와 환자정보 익명화 환경을 바탕으로
진단지표 개발과 혈류 예측모델 검증을 지원합니다.

04. 환자 맞춤형 혈류 분석·예측 기술

개인별 혈관 형상과 생리학적 특성을 반영한 분석

▲ 실시간 정밀 유동장 예측모델

▲ 4DCT 생성 알고리즘

의료영상 기반 혈관 모델링부터 혈류 영상의 해상도 향상,
수치해석과 AI 기반 혈류 예측까지 환자별 특성을 반영한
분석을 통해 질환에 따른 혈류 변화를 평가하는 기술입니다.

기술이전·사업화 연계

연구 성과의 산업적 활용

센터의 원천기술을 기업의 제품·서비스 개발로 연결합니다.
1단계의 대표 사례는 의료영상 기반 혈류 분석 자동화 기술로,
정밀 혈류 분석 솔루션의 사업화 기반을 마련한 성과입니다.

독보적 4D Flow MRI 통합 분석 솔루션 및
전산유체역학 자동화 기술 기술이전 및 사업화

의료영상 기반 혈류 분석 솔루션 사업화

▲ 환자 맞춤형 전산 해석을 위한 경계조건 자동 생성 프로그램 기술 이전

4D Flow MRI와 2D PC MRI 데이터를 활용해 환자 맞춤형 혈류 해석에 필요한 격자와 경계조건을 자동으로 생성하는 기술을 개발했습니다.
해당 기술과 혈류량 정량화 기술을 플로우닉스에 이전하여
분석 솔루션의 사업화 기반을 마련했습니다.

웨어러블 기반 웰니스 사업화 및 글로벌 시장 진출 가속화

의료영상 분석부터 입체적 혈류 시각화까지

환자 생체정보를 바탕으로 광혈류측정(PPG) 신호에서
수분 상태를 예측하는 알고리즘을 개발하고,
이를 앱 서비스로 구현해 매출 성과를 확보했습니다.
관련 기술이전과 연구자 창업기업의 벤처기업 인증·후속 투자 유치를 통해 사업화 기반을 강화했습니다.

관련 기술

Beyond the Limit of Magnetic Resonance Velocimetry
Physics-Informed Super-Resolution with PINGS-X

Magnetic Resonance Velocimetry (MRV)

Super-Fast Physics-Informed Super-Resolution

A+4DCT: Angio-enhanced 4D Computed Tomography

Summary of this study

•CT-FFR is limited by CCTA geometry, which overestimates stenotic lumen from low resolution and calcium blooming.

•To address this, multi-phase CCTA acquisition or fluid structure interaction simulation has been employed, but both suffer from limited accessibility due to high radiation dose and computational cost.

•In this study, we propose A+4DCT, a framework that corrects CT geometry using the accurate luminal dimensions available from angiography and then synthesizes cardiac motion from the corrected CT via deep learning, yielding more accurate, time-dependent CT-FFR estimates.

Methodology

Methodology

Center for Smart Hemo-Dynamic Index Research

bottom of page