X-ray 사진의 분석 결과를 시각화하고, 의료 분야 AI 모델을 활용한 질의응답 기능을 제공하는 웹서비스 프로토타입을 개발했습니다. AI 모델 개발부터 서버 연동, 사용자 화면 구현, 실행 환경 구성까지 진행한 프로젝트입니다. 사용 기술: Python, PyTorch, FastAPI, React, Tailwind CSS, Redis, vLLM, Docker 주요 개발 내용은 다음과 같습니다. - 영상 분석 모델 개선: PyTorch 기반 U-Net 모델과 학습 설정을 개선해 테스트 데이터의 영상 분할 지표인 Dice Score를 0.883에서 0.9487로 향상했습니다. - 의료 언어모델 연동 및 경량화: 기존 의료 LLM을 활용한 질의응답 기능을 연결하고, AWQ 양자화를 적용해 측정 환경에서 GPU 메모리 사용량을 15.27GiB에서 5.68GiB로 줄였습니다. - 서버와 사용자 화면 개발: FastAPI 백엔드와 vLLM 추론 서버를 분리하고, React와 Tailwind CSS로 이미지 업로드 및 분석 결과 조회 화면을 구현했습니다. - 실행 환경 구성: 백엔드, 프론트엔드, AI 학습 환경을 Docker로 구성해 동일한 환경에서 실행하고 관리할 수 있도록 정리했습니다.