01 · Pseudo-Labeling
AI 반자동 라벨링 루프
소량의 GT(전문의 라벨)로 대량 데이터에 가상 라벨을 생성하고, 검수 루프를 통해 점진적으로 품질을 끌어올리는 반자동 라벨링 파이프라인을 제공합니다.
AI
Henry AX · Aeyes | 현장 중심 의료 AI 플랫폼
실제 병원 환경에서도 안정적인
Medical AI Solutions
Henry AX는 반자동 라벨링·합성 데이터·시계열 예측과 안저 기반 진단 솔루션 Aeyes를 결합해, DR 조기 발견부터 병변 시각화·EMR 연동까지 하나의 흐름으로 제공합니다.
Henry AX 플랫폼
의료 AI의 임상 가치를 높이기 위해, 데이터 라벨링·합성·예측을 하나의 파이프라인으로 통합한 Medical AI 플랫폼입니다.
02 · Synthetic Data
의료 합성 데이터 생성
희귀·불균형 케이스를 중심으로 합성/증강 데이터를 생성하여, 실제 임상에서 자주 보기 어려운 패턴까지 모델이 학습할 수 있도록 지원합니다.
03 · Time-Series Prediction
시계열 질환 예측
검진 기록·생체 신호·영상 추세를 통합 분석해, 질환 발병·악화 위험을 사전에 탐지하고 follow-up 전략 수립에 도움을 줍니다.
Aeyes: 안질환 AI 진단·예측
안저·전안부 영상을 기반으로 DR, 백내장, 녹내장에 대해 병변 검출·분류·중증도 추정과 진행 위험 예측까지 제공하는 임상 보조 솔루션입니다.
DR · Diabetic Retinopathy
당뇨망막병증 조기 탐지
다양한 망막 소견을 기반으로 DR 단계(No DR~PDR)를 등급화하고, 병변 히트맵을 함께 제공해 진단 및 설명가능성을 높입니다.
Cataract
백내장 혼탁도 정량화
전안부 영상 기반으로 혼탁도를 정량화하고, 수술 권고 보조 지표를 산출해 수술 시점 의사결정을 돕습니다.
Glaucoma
녹내장 진행 위험 추적
RNFL/VD 등 핵심 지표를 추정하고 추세를 모니터링하여, 녹내장 진행 위험을 사전에 파악할 수 있도록 보조합니다.
XAI Demo · DR 분류 모델 시각화
실제 DR 분류 모델이 어떤 영역을 근거로 의사결정을 하는지, Grad-CAM / XGrad-CAM 기반 히트맵으로 직관적으로 확인할 수 있습니다.
각 행은 서로 다른 DR 단계(Moderate, Severe, Proliferative DR)에 해당하며, 원본 안저 영상(좌)과 Grad-CAM(중간), XGrad-CAM(우측)을 비교한 예시입니다.
Aeyes DR Screening 모델은 단순히 분류 결과만 제시하는 것이 아니라, 의사가 신뢰할 수 있는 병변 중심 시각 설명을 함께 제공합니다.
- Moderate · Severe · Proliferative DR 케이스별 XAI 비교
- Grad-CAM과 XGrad-CAM을 동시에 제공하여 일관성 검증
- 삼출물, 출혈, 신생혈관 등 병변에 실제로 집중하는지 시각적으로 확인
이러한 시각화는 모델 개발 단계의 검증뿐 아니라, 임상의가 결과를 빠르게 해석하고 환자에게 설명할 때에도 활용될 수 있습니다.
Diabetic Retinopathy Solutions
Henry AX 인프라 위에서 동작하는 Aeyes DR 파이프라인으로, 실제 안과/내분비 내원 환자 워크플로에 바로 붙일 수 있는 구성을 제공합니다.
01 · DR Screening
안저 기반 DR 분류 & 리스크 스코어링
다양한 도메인의 안저 데이터셋으로 학습된 DR 분류 모델을 통해 No DR ~ Proliferative DR까지 단계별 위험도를 정량화합니다. 병원 환경에 맞게 Threshold 및 리포트 템플릿도 커스터마이징할 수 있습니다.
02 · MAE Backbone
자가지도 사전학습 기반 특성 학습
MAE(자가지도) 기반 백본으로 다양한 안저·의료 영상 데이터에서 공통 특성을 학습하고, 각 병원의 데이터 분포에 맞춰 미세 조정을 수행합니다.
03 · Explainability & Labeling
병변 강조 XAI & Pseudo Label 생성
Grad-CAM, Score-CAM, Attention Rollout 등 다양한 시각화 기법으로 병변 위치를 강조하고, 이를 기반으로 반자동 Pseudo Label을 생성해 라벨링 코스트를 줄입니다.
Workflow
실제 도입 시 병원 정보시스템(HIS/PACS)과 연동되는 흐름을 3단계로 단순화해 제공합니다. MVP 도입부터 연구용 PoC까지 확장 가능합니다.
Step 01
데이터 연동 & PoC 디자인
안저카메라·PACS와 연동하여 대상 코호트를 정의하고, PoC 목표 지표(정확도, AUC, 리콜 등)를 합의합니다.
Step 02
모델 튜닝 & 배포 전략 설계
병원별 데이터 분포와 워크플로에 맞춰 모델 구조·하이퍼파라미터를 조정하고, 온프레미스/클라우드 등 배포 전략을 설계합니다.
Step 03
운영 환경 배포 & 모니터링
온프레미스 또는 클라우드 환경에 배포 후, 성능 드리프트·데이터 변화를 주기적으로 모니터링하며 지속적으로 재학습합니다.
연구 협업 또는 PoC 도입이 궁금하시다면
국내 대학병원·연구실과 진행 중인 프로젝트 사례를 바탕으로, 귀 기관의 데이터·환경에 맞는 DR 진단·시각화 프레임워크를 함께 설계해 드립니다.