포지션 상세
[회사 소개]
씨날릭틱스는 치과보철과 교수가 창업한 치과 AI 기업으로,
구강 스캔에서 진단·계획, 덴처 설계까지 이어지는 치과 AI 에이전트를 만듭니다.
대표는 전남대학교 치과병원 보철과장이자 치의학전문대학원 교수이며,
2025년 12월 전남대학교 교원창업으로 법인을 설립했습니다.
• 제품 — 덴처 자동 설계 외에도 CT 분할, 임플란트 판독, 충치 탐지 등
치과 AI 기능을 자체 개발하여 웹 플랫폼으로 운영하고 있습니다.
• 지식재산 — 특허 6건을 등록하고 4건을 출원했으며,
구강 정보 채득 장치(바이트 트레이)에 대해서는 PCT 국제출원을 했습니다.
• 글로벌 — 미국 UCLA 치과대학과 MOU를 체결하고 북미 임상 검증을 준비하고 있습니다.
• 정부·기관 과제 — 창업중심대학 사업(실험실 특화형), 광주테크노파크 실증과제,
GIST 창업 지원 과제에 선정되어 수행하고 있습니다.
[포지션 소개]
3D 의료 AI 모델 개발을 맡을 ML 엔지니어를 찾습니다.
3D 메시 데이터에서 덴처 설계의 핵심 판단을 내리는 모델을 설계·학습·평가하고,
실제 서비스에 적용하는 과정까지 함께할 분을 기다립니다.
덴처(틀니) 한 벌을 설계하려면 치과기공사가 CAD 프로그램에서
1~3시간 동안 기준선을 긋고 인공 치아를 하나씩 배치해야 합니다.
씨날릭틱스의 설계 엔진은 상악·하악(위·아래 턱)의 구강 스캔(3D 메시)을 입력받아
기준점 탐지, 위·아래 턱의 맞물림 위치 결정, 인공 치아 배열, 덴처 형태 설계를 자동으로 수행합니다.
• 기준점 탐지에는 딥러닝 모델(랜드마크 AI)이 서비스에 적용되어 있습니다.
• 위·아래 턱의 맞물림 위치와 인공 치아 배열은 현재 임상 규칙과 치아 라이브러리를 기반으로 정하고 있으며,
이를 학습 모델로 전환하는 것이 이 포지션의 핵심 과제입니다.
• 랜드마크 AI의 학습 데이터는 수백 건 규모의 구강 스캔이며,
자체 3D 라벨링 도구로 기준점과 기준선 데이터를 구축하고 있습니다.
바이트 AI와 치아 배열 AI는 학습 데이터의 구성부터 함께 설계합니다.
[이 포지션에서 경험할 수 있는 것]
• 개발한 모델이 실제 치과 서비스에 적용되기까지의 전 과정(문제 정의, 데이터, 학습, 평가, 배포)을 주도합니다.
• 치과보철과 교수와 함께 임상적으로 의미 있는 평가 기준을 정의합니다.
• 규칙 기반으로 동작하는 설계 단계를 학습 모델로 바꾸며,
모델의 성능 향상이 설계 품질로 이어지는 과정을 확인합니다.
• NVIDIA RTX PRO 6000 Blackwell GPU 서버에서 학습합니다.
[기술 스택]
• 모델 개발 — Python, PyTorch
• 3D 데이터 처리 — trimesh, Open3D, libigl
• 인프라·협업 — Linux GPU 서버, AWS, GitHub
• 랜드마크 AI 고도화 — 구강 스캔에서 덴처 설계의 기준이 되는 점·선 17개를 찾는
모델의 정확도와 안정성 개선(서비스 적용 중)
• 바이트 AI 개발 — 위·아래 턱 스캔이 맞물리는 상대 위치(6-DoF)를 예측하는 모델 신규 개발
• 치아 배열 AI 개발 — 인공 치아의 위치와 방향을 예측하여 자동으로 배열하는 모델 신규 개발
• 평가 체계 구축 — 임상 기준을 반영한 정량 지표와 고정 평가 데이터셋(성능 저하 확인용) 설계·관리
세 모델 과제 중 어떤 과제부터 맡을지는
합류 시점의 개발 상황과 지원자의 강점을 함께 고려하여 CTO와 결정합니다.
• 3D 데이터(메시·포인트 클라우드)를 다루거나,
좌표 변환·정합(registration)·포즈 추정 같은 기하 문제를 풀어 본 경험
• 실험을 설계하고 결과를 정량적으로 비교·기록하여 다음 방향을 결정해 본 경험
• ML 분야 실무 또는 연구 경력
(대학원 연구 경력을 포함하며, 연차보다 직접 만든 결과물을 중심으로 평가합니다)
씨날릭틱스는 치과보철과 교수가 창업한 치과 AI 기업으로,
구강 스캔에서 진단·계획, 덴처 설계까지 이어지는 치과 AI 에이전트를 만듭니다.
대표는 전남대학교 치과병원 보철과장이자 치의학전문대학원 교수이며,
2025년 12월 전남대학교 교원창업으로 법인을 설립했습니다.
• 제품 — 덴처 자동 설계 외에도 CT 분할, 임플란트 판독, 충치 탐지 등
치과 AI 기능을 자체 개발하여 웹 플랫폼으로 운영하고 있습니다.
• 지식재산 — 특허 6건을 등록하고 4건을 출원했으며,
구강 정보 채득 장치(바이트 트레이)에 대해서는 PCT 국제출원을 했습니다.
• 글로벌 — 미국 UCLA 치과대학과 MOU를 체결하고 북미 임상 검증을 준비하고 있습니다.
• 정부·기관 과제 — 창업중심대학 사업(실험실 특화형), 광주테크노파크 실증과제,
GIST 창업 지원 과제에 선정되어 수행하고 있습니다.
[포지션 소개]
3D 의료 AI 모델 개발을 맡을 ML 엔지니어를 찾습니다.
3D 메시 데이터에서 덴처 설계의 핵심 판단을 내리는 모델을 설계·학습·평가하고,
실제 서비스에 적용하는 과정까지 함께할 분을 기다립니다.
덴처(틀니) 한 벌을 설계하려면 치과기공사가 CAD 프로그램에서
1~3시간 동안 기준선을 긋고 인공 치아를 하나씩 배치해야 합니다.
씨날릭틱스의 설계 엔진은 상악·하악(위·아래 턱)의 구강 스캔(3D 메시)을 입력받아
기준점 탐지, 위·아래 턱의 맞물림 위치 결정, 인공 치아 배열, 덴처 형태 설계를 자동으로 수행합니다.
• 기준점 탐지에는 딥러닝 모델(랜드마크 AI)이 서비스에 적용되어 있습니다.
• 위·아래 턱의 맞물림 위치와 인공 치아 배열은 현재 임상 규칙과 치아 라이브러리를 기반으로 정하고 있으며,
이를 학습 모델로 전환하는 것이 이 포지션의 핵심 과제입니다.
• 랜드마크 AI의 학습 데이터는 수백 건 규모의 구강 스캔이며,
자체 3D 라벨링 도구로 기준점과 기준선 데이터를 구축하고 있습니다.
바이트 AI와 치아 배열 AI는 학습 데이터의 구성부터 함께 설계합니다.
[이 포지션에서 경험할 수 있는 것]
• 개발한 모델이 실제 치과 서비스에 적용되기까지의 전 과정(문제 정의, 데이터, 학습, 평가, 배포)을 주도합니다.
• 치과보철과 교수와 함께 임상적으로 의미 있는 평가 기준을 정의합니다.
• 규칙 기반으로 동작하는 설계 단계를 학습 모델로 바꾸며,
모델의 성능 향상이 설계 품질로 이어지는 과정을 확인합니다.
• NVIDIA RTX PRO 6000 Blackwell GPU 서버에서 학습합니다.
[기술 스택]
• 모델 개발 — Python, PyTorch
• 3D 데이터 처리 — trimesh, Open3D, libigl
• 인프라·협업 — Linux GPU 서버, AWS, GitHub
주요업무
문제 정의와 데이터셋 설계부터 모델 학습·평가, 서비스 적용까지 담당합니다.• 랜드마크 AI 고도화 — 구강 스캔에서 덴처 설계의 기준이 되는 점·선 17개를 찾는
모델의 정확도와 안정성 개선(서비스 적용 중)
• 바이트 AI 개발 — 위·아래 턱 스캔이 맞물리는 상대 위치(6-DoF)를 예측하는 모델 신규 개발
• 치아 배열 AI 개발 — 인공 치아의 위치와 방향을 예측하여 자동으로 배열하는 모델 신규 개발
• 평가 체계 구축 — 임상 기준을 반영한 정량 지표와 고정 평가 데이터셋(성능 저하 확인용) 설계·관리
세 모델 과제 중 어떤 과제부터 맡을지는
합류 시점의 개발 상황과 지원자의 강점을 함께 고려하여 CTO와 결정합니다.
자격요건
• 딥러닝 모델을 설계·구현·학습하여 성능을 개선한 경험(PyTorch 등 프레임워크 사용)• 3D 데이터(메시·포인트 클라우드)를 다루거나,
좌표 변환·정합(registration)·포즈 추정 같은 기하 문제를 풀어 본 경험
• 실험을 설계하고 결과를 정량적으로 비교·기록하여 다음 방향을 결정해 본 경험
• ML 분야 실무 또는 연구 경력
(대학원 연구 경력을 포함하며, 연차보다 직접 만든 결과물을 중심으로 평가합니다)
