병원·의료IT를 진로로 두고, AI를 도구로 다뤄 문제를 푸는 개발자 지망생
의료 현장의 문제를 앱·IoT·의료영상 AI로 풀어왔고, 곁가지로 1인 프로젝트도 꾸준히 배포합니다.
건양대학교 의료IT공학과 재학 중이며, 졸업 후 병원·병원정보시스템(HIS)의 개발·유지보수·관리, 의료IT 분야에서 일하는 것을 목표로 합니다. 환자 대기 시간, 어린이 안전, 독거노인 모니터링, CT 결절 탐지, 정자 형태·운동성 분석까지 — "의료진뿐 아니라 사람(환자) 본인을 위한 도구" 를 4년간 학교 팀 프로젝트로 하나씩 만들어 왔습니다.
문제를 푸는 방식으로 AI(딥러닝·생성형 AI)를 일상적인 도구로 사용하며, 학교 프로젝트 밖에서도 혼자서 여러 분야의 제품을 만들어 배포해 왔습니다.
🏥 주 진로 병원 · 병원정보시스템(HIS) · 의료IT 개발/유지보수/관리
🔬 핵심 경험 의료영상·의료 AI 시스템 (객체탐지·추적·3D 영상, 팀 캡스톤)
🧠 도구로서의 AI 딥러닝(YOLO/PyTorch) · LLM(Claude/Gemini) · 자동화 배포
🧱 기반 소프트웨어공학(C/C++/Java/C#) · 앱/데스크탑/웹 · 데이터 파이프라인
진로와 직결되는 학교 팀 프로젝트 흐름입니다. 병원 대기·돌봄 앱에서 출발해 → 의료영상 AI → 완성형 의료 AI 시스템으로 단계적으로 성장했습니다.
| 시기 | 프로젝트 | 도메인 | 본인 역할 |
|---|---|---|---|
| 2024-1 | MedQueue | 병원 실시간 대기 정보 | 시스템 설계 |
| 2024-2 | SchoolbusRFID | 위치 기반 어린이 하차 안전 | Android · RFID |
| 2024-2 | ElderCaringApp | 독거노인 건강 모니터링 | 로드셀 HW + 통계 SW |
| 2025-1 | LungCT3DNoduleAI | 폐 CT 결절 탐지 (78%) | PM |
| 2025-2 | AILungandLiver | 폐+간 CT 결절 탐지 (93%) | QA |
| 2026-1 | 🌱 SEED | AI 정자 탐지·형태·운동성 통합 분석 | ENG1 (시스템 설계·통합·성능) |
성장 메모: 2025년 의료영상 AI 라인(LungCT → AILungandLiver)에서는 같은 팀으로 한 시스템을 두 학기에 걸쳐 발전시키며 PM → QA 로 역할을 바꿔, 만드는 쪽과 검증하는 쪽을 모두 경험했습니다. (정확도 78% → 93%)
모체논문보다 높게 설정한 성능목표를 전부 달성한 캡스톤 프로젝트. 2026-1 융합캡스톤디자인 I 최종발표 완료 (
Ver 1.0.0).
- 무엇 — 현미경 영상 속 정자를 AI가 자동 검출·추적하고, 형태·운동성(키네마틱 지표)을 정량 평가하는 시스템 (WHO 기준 참고)
- 내 역할 (ENG1) — 시스템 구조 설계·제작, 모듈 통합 관리, 성능 개선, 그리고 형태 분석 모델 구현
- 기술 —
Python·PyTorch·YOLO11(Ultralytics)·ByteTrack(추적)·Flask/ 폭포수(Waterfall) 방법론으로 단계별 산출물·검증 - 팀 — Team T.O.P (PM·CM·QA·ENG1·ENG2 5인 분산형 구성)
- 📂 발표 슬라이드 흐름을 그대로 옮긴 상세 README · 산출물 · Quick Start 포함 → 저장소 보기
※ 각 학교 프로젝트 README에는 팀 구성·역할·아키텍처·산출물과 함께, 내가 한 부분/못한 부분을 정직하게 적어 두었습니다.
학교 밖에서도 혼자서 기획·구현·배포까지 끝냅니다. 의료 AI를 단독으로 연구하며, 그 외에도 여러 분야의 제품을 AI·자동화로 실제 동작하게 만들어 왔습니다.
🔬 대표 솔로작 — AI-CASA · AI 기반 정자 종합 분석 시스템 (sperm-ai)
SEED 팀 캡스톤의 베이스라인으로 시도한, 혼자서 웹까지 완성한 의료 AI 프로젝트.
- 무엇 — 정자 현미경 영상 하나로 운동성·키네마틱(VCL/VSL/LIN 등)·형태를 통합 분석하고 WHO 6판 기준 설명형 보고서를 출력하는, 누구나 영상을 올려 쓰는 Flask 웹 시스템 (
v1.4.0, 전 과정 1인 개발) - 파이프라인 —
YOLO11(탐지) →ByteTrack(추적) → 앙상블 회귀(운동성) →EfficientNet-B3(형태 분류) → 설명형 해석 - 성과 — 동일 데이터셋(VISEM)에서 운동성 MAE 6.9%p 로 기존 논문 최고(motilitAI 7.31%p) 초과 달성, YOLO11 mAP50 0.677
- 의의 — 수천만 원 전용 장비 없이 일반 현미경 영상 + 웹 브라우저만으로 접근 가능 (병원 방문 전 보조 분석)
※ 이 솔로 연구 경험이 이후 졸업 팀 캡스톤 SEED 로 이어졌습니다.
아래는 모두 라이브로 동작하며, 데이터 수집·LLM 분석·배포가 사람 손 없이 자동으로 돌아갑니다.
| 프로젝트 | 분야 | 한 줄 소개 | 핵심 스택 | 링크 |
|---|---|---|---|---|
| 📈 stock-briefing | 금융·자동화 | 매일 아침 미·한 증시 브리핑을 AI가 작성해 대시보드로 자동 배포 (서버·비용 0원) | GitHub Actions · Gemini · Astro · Tailwind | ▶ 데모 |
| 📊 fundamental-regime-report | 금융·ML | KOSPI200 321개 기업(상폐 포함) 펀더멘털 + 시장 국면을 ML + LLM으로 통합 분석 | Python · ML · Claude · Streamlit | 코드 |
| 🧬 evolution-garden | 시뮬레이션 | 137개 가중치 신경망 뇌가 돌연변이·자연선택만으로 종 분화하는 인공생명 (단일 HTML, 무의존성) | Vanilla JS · Canvas · 신경망 직접 구현 | ▶ 데모 |
| 🎯 tarkov-companion | 웹앱 | 실시간 시세·가성비 분석 + 매일 AI 자동 작성 브리핑 게임 컴패니언 웹 | TypeScript · GitHub Actions · LLM | ▶ 데모 |
| 📰 ai-daily-trends | 데이터·자동화 | GitHub Trending·HN·Reddit·SNS의 AI 트렌드를 매일 자동 수집·정리 | Python · 수집 파이프라인 · Actions | ▶ 데모 |
| 🛠️ tarkov-korean-changes | 자동화 | 변경사항을 매일 한글로 자동 번역·해석하고 안정성까지 자동 판정 | Python · LLM 번역 · 규칙 판정 | ▶ 데모 |
👉 분야는 달라도 공통으로 보여주는 것: 혼자 기획→구현→배포까지 끝내는 실행력, 그리고 AI를 한 번 써보는 수준이 아니라 운영되는 제품으로 엮어내는 능력.
언어
의료·AI
웹 · 앱 · 인프라
GitHub: @MoriochoRadio · Email: taeral04@gmail.com
각 레포의 README 에는 "5년 뒤의 내가 봐도 떳떳하도록" 내가 한 부분과 안 한 부분, 잘된 것과 부족했던 것을 정직하게 적어 두었습니다. 학습 과정의 흔적(오타 포함)도 일부러 남겨 두었습니다.