최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 연구는 의료 진단검사 결과 데이터에서 유의미한 패턴을 추출하고 분류하여 의료진의 의사결정을 지원하는 패턴 인식 모델을 제안합니다. 자기조직화지도 신경망과 Davies-Bouldin 지수를 활용하여 최적의 패턴을 추출하고, 신규 수진자의 검사 결과를 기존 패턴과 비교하여 분류합니다. 실제 의료기관 데이터를 통해 모델의 타당성을 검증한 결과, 성별 및 연령대별 혈액 검사 결과 패턴을 효과적으로 분석하고 신규 수진자의 패턴을 분류할 수 있었습니다.
Case studies in Bayesian statistics
Clinical Prediction Models : A Practical Approach to Development, Validation, and Updating
Fundamentals of veterinary clinical pathology
Modelling survival data in medical research
Artificial Intelligence Applications and Innovations : 17th IFIP WG 12.5 International Conference, AIAI 2021, Hersonissos, Crete, Greece, June 25–27, 2021, Proceedings
Learning radiology : recognizing the basics
Machine learning paradigms : advances in data analytics
Artificial intelligence in medicine : proceedings
The hands-on guide to data interpretation
Operations research and health care : a handbook of methods and applications
Classification and knowledge organization : proceedings of the 20th annual conference of the Gesellschaft für Klassifikation e.V. University of Freiburg, March 6-8, 1996
병원검사 길라잡이 =
Practical renal pathology : a diagnostic approach
Minitab을 이용한 빅데이터 분석 : Mahalanobis-Taguchi system을 이용한 패턴인식시스템 개발
(SPSSAMOS를 활용한) 간호·보건 통계분석 =
Data analytics in bioinformatics : a machine learning perspective
Medical biostatistics
Surgical pathology of the GI tract, liver, biliary tract, and pancreas
Fundamentals of veterinary clinical pathology
대한경영학회지
박상찬; 이장희International journal of antimicrobial agents
Lindig S; Quickert S; Vodovotz Y; Wanner GA; Bauer MPLoS Computational Biology
Dutta R.,Boudjeltia K.Z.,Kotsalos C.,Rousseau A.,de Sousa D.R.,Desmet J.M.,Van Meerhaeghe A.,Mira A.,Chopard B.Biomedical Engineering
Korenevsky, N. A.; Degtyarev, S. V.; Seregin, S. P.; Novikov, A. V.동의생리병리학회지
이재철, 진희정European Radiology
Haejung Kim; Sang Ah Chi; Kyunga Kim; Boo-Kyung Han; Eun Young Ko; Ji Soo Choi; Jeongmin Lee; Myoung Kyoung Kim; Eun Sook KoFrontiers of Medicine
Jung W.M.,Park I.S.,Lee Y.S.,Kim C.E.,Lee H.,Hahm D.H.,Park H.J.,Jang B.H.,Chae Y.IEEE Transactions on Biomedical Engineering
Yang X.,Han G.,Chen J.,Cai H.Journal of Mechanics in Medicine and Biology
ARUN T NAIR; K. MUTHUVELBMC Medical Informatics and Decision Making
Zhou P.Y.,Wong A.K.C.BMC Medical Informatics and Decision Making
Tseng K.K.,Li J.,Tang Y.J.,Yang C.W.,Lin F.Y.Neuroscience and biobehavioral reviews
Wolfers T; Buitelaar JK; Beckmann CF; Franke B; Marquand AFConcurrency and Computation: Practice and Experience
Andhare C.V.,Ingle D.Statistical Science
Inácio V.,Rodríguez-Álvarez M.X.INTERNATIONAL JOURNAL OF SYSTEM ASSURANCE ENGINEERING AND MANAGEMENT
Kishor, Amit; Chakraborty, ChinmayMultimedia Tools and Applications
Pani, K.; Chawla, I.한국데이터정보과학회지
장은진; 김달호Human Factors
Carrigan A.J.,Charlton A.,Foucar E.,Wiggins M.W.,Georgiou A.,Palmeri T.J.,Curby K.M.IEEE Journal of Biomedical and Health Informatics
Dong, N.; Du, D.; Nair, N.海峡科学 / Straits Science
林超전선 / 대학원
패턴 인식은 데이터가 주어졌을 때 데이터에 대한 사전 지식이나 통계적 특성을 사용하여 패턴의 특징을 찾아내고 이를 사용하여 패턴을 분류하는 것이다. 데이터의 차원은 일반적으로 매우 커서 데이터를 파악하기가 매우 어렵다. 데이타가 어떤 부류에 속하는 지에 대한 사전 지식이 있을 경우에는 패턴 분류를 하는 방법으로는 Bayes 분류기, Maximum likelihood 방법, Discriminant Analysis, 신경회로망 등이 있다. 그리고 데이터에 대한 사전지식이 없는 경우에는 clustering 하는 방법을 통하여 데이터를 분류한다. 패턴 인식은 얼굴, 지문 등의 생체인식 분야에 많이 이용되고 있으며, 또한 많이 축적된 데이터로부터 새로운 지식을 찾으려하는데 사용되고 있다. 이 과목에서는 패턴 인식에서 사용하는 여러 방법을 소개하고 그 응용에 대하여 다룬다.전선 / 대학원
패턴 인식은 데이터가 주어졌을 때 데이터에 대한 사전 지식이나 통계적 특성을 사용하여 패턴의 특징을 찾아내고 이를 사용하여 패턴을 분류하는 것이다. 데이터의 차원은 일반적으로 매우 커서 데이터를 파악하기가 매우 어렵다. 데이타가 어떤 부류에 속하는 지에 대한 사전 지식이 있을 경우에는 패턴 분류를 하는 방법으로는 Bayes 분류기, Maximum likelihood 방법, Discriminant Analysis, 신경회로망 등이 있다. 그리고 데이터에 대한 사전지식이 없는 경우에는 clustering 하는 방법을 통하여 데이터를 분류한다. 패턴 인식은 얼굴, 지문 등의 생체인식 분야에 많이 이용되고 있으며, 또한 많이 축적된 데이터로부터 새로운 지식을 찾으려하는데 사용되고 있다. 이 과목에서는 패턴 인식에서 사용하는 여러 방법을 소개하고 그 응용에 대하여 다룬다.전선 / 대학원
컴퓨터를 이용한 자료 분석으로 진단능을 향상시키는 방법을 개발하기 위한 연구 및 실험을 시행한다.전선 / 대학원
본 교과목은 의학통계론 과목을 선수한 수강생들에게 추천되며, 의학 연구에 유용한 통계적 모델링 기법들을 의과학연구자 들이 친숙하게 이해하고 활용할 수 있도록 하는 것을 목적으로 한다. 해당 과목에서는 데이터 셋 탐색을 통해 변수 간 및 자료 간 상관구조를 파악하고 자료에 적절한 모델링 방법을 선택하여 의과학 연구에서 얻게 되는 복잡한 구조의 자료들을 효율적으로 모델링하기 위한 다양한 통계적 접근법 들을 다룬다.전필 / 학사
본 과목은 동물 혈액에 대한 도말표본검사, 전혈구검사, 골수검사 등 각종 검사 소견에 따른 혈액학적 질환의 진단 기준 및 발생 기전을 다룬다. 또한 동물에서 채취된 다양한 시료를 활용한 임상효소학, 신기능검사, 간기능검사, 췌장기능검사, 호르몬 검사, 근육 및 심혈관계 검사, 전해질, 체액분석, 세포학적 검사 등을 활용하여 동물의 건강 상태와 질병을 진단하는 원리와 해석 방법을 소개한다.전선 / 대학원
의공학 및 의료정보기술의 발전에 따라서 의료기관에서 활용되고 있는 정보시스템은 다양하게 발전하고 있으며, 진료의 편리성 제공 및 기능적인 도움을 줄뿐만 아니라, 임상 및 연구에서 활용되고 있는 범위가 점차 확대되고 있다. 본 교과목에서는 데이터메이스의 이해, 정보시스템의 분석방법론, 개체관계형 모델, 의학용어체계 등 다양한 의료정보 시스템의 기본적인 원리와 함께, 설계 방법론에 대하여 공부한다. 또한 개발된 정보시스템을 향 후 연구 및 지능형 정보시스템에서 활요하기 위하여 임상진료와 연구의 목적에 부합하게 처리 분석하는 XML, data clustering 등 다양한 의료정보 처리 방법에 대하여 임상에 적용된 사례 및 최근의 연구 동향을 포함하여 폭 넓게 공부한다.전선 / 학사
질병의 정확한 진단에는 다양한 진단적 검사가 필요하다. 검사의 방법과 기전에는 배경이 되는 분자생물학, 의료 물리학과 생화학 등의 다양한 의학 지식과 기술이 포함되어 있어, 검사를 통한 질병의 진단을 이해하는 것은 현대 의학 기술의 발전을 이해하는 데 기초가 된다. 본 강좌에서는 흥미로운 실제 사례를 중심으로 질병의 진단을 위한 병리검사, 검사의학검사 또는 핵의학검사와 관련된 기초 배경 지식, 검사 방법, 결과 해석 및 임상적 적용 등에 대해 알아보고자 한다. 본 강좌를 통해 검사와 관련된 의학 지식과 기술에 대해 이해하고, 기초 의학이 임상 진료에 어떻게 연계되는 지에 대한 시각이 생길 것으로 기대한다. 또한 추후 임상 실습과 진료 활동시 진단 과정 중 생길 수 있는 오류를 줄이는 데 도움이 될 것이다.전선 / 대학원
치과의료 빅데이터(OCS, EMR, PACS)를 활용하여 치과환자의 진단/치료/예방에 활용하기 위한, 빅데이터 생성/통합/분석 방법에 대해 학습함. 임상의사 결정지원 솔류션을 제공하고 치과의료 질과 안정성 향상 달성하기 위하여, 치과환자 데이터의 효율적 수집/저장/분석을 위한 통합기술 및 구조화기술을 학습함. Theories and Concepts of BigData Analytics in Healthcare Medical BigData: Techniques, Managements, and Applications Diagnosis and Treatment: BigData Analytical Techniques, Datasets, Life Cycles, Managements and Applications for Diagnosis and Treatment Prediction: BigData Analytical Techniques, Datasets, Life Cycles, Managements and Applications for Prediction Big Medical Fake Analytics for Preventing Medical Misinformation and Myths Challenges and Future of BigData in Healthcare전선 / 대학원
의료분야의 정보화가 진행됨에 따라 정보검색 기술은 가장 많이 활용되는 기술이 되었다. 향후 디지털화된 의료정보를 관리하고 이를 연구와 진료에 활용하기 위해서 정보검색기술은 가장 중요한 위치에 있는 핵심기술이다. 이를 위하여 의료환경에서 사용될 수 있는 정보검색의 기초이론을 강의한다. 강의는 의학용어모델, 정보검색모델, 인덱스구조를 중심으로 강의가 이루어진다. 의학용어모델에서는 의료정보시스템에서 사용되는 용어모델의 종류 및 특성을 설명하며, 정보검색모델로는 불리언모델, 벡터모델, 확률모델에 대하여 특성을 강의하며, 인덱스구조에서는 정보검색에 사용되는 inverted file, signature file의 구조 및 각각의 차이와 활용분야에 대하여 강의가 이루어진다.전선 / 대학원
혈관신생과 관련한 연구를 위해서는 정상 및 질환과 관련된 혈관의 표현형을 정확하게 분석하는 것이 필요하다. 이 강좌에서는 세포 및 동물 실험 기반의 혈관 표현형 분석법에 대해 문헌을 바탕으로 탐구하고자 한다. 이 강좌를 통하여 학생들은 혈관 표현형 분석법의 기초 및 최신 지견을 배운다.전선 / 대학원
분자진단 기법이 혈액질환 진단에 필수적인 도구로 자리 잡았지만, 골수검사는 여전히 대체 불가능한 진단 방법이다. 골수검사는 세포의 형태학적 이상과 조직 구조를 평가할 수 있는 유일한 방법으로, 질병의 범위와 진행 상태를 정확하게 평가하고 세포의 미세환경을 이해하는 데 중요하다. 또한, 유전적 변이가 명확하지 않은 경우에도 골수검사는 혈액질환 진단에서 중요한 역할을 담당한다. 따라서 혈액질환의 형태학적 정보를 최신 진단 기준 및 치료와 관련된 분자 및 유전검사 결과와 통합하여 종합적으로 해석하는 알고리즘을 탐구한다.전선 / 대학원
본 과목은 간호정책의 효과를 체계적으로 분석하고, 자료에 근거하여 계량적으로 평가한 결과를 제사함으로써 보건정책에의 활용도를 제고하기 위한 분석방법론을 습득하고, 나아가 독자적인 간호정책연구를 수행할 수 있는 능력을 함양하는데 목적이 있다. 간호인력이 국가보건의료체계의 성과 향상에 기여하는 효과를 모형을 통해 분석, 추론하고, 경험적 자료를 이용하여 실증적으로 측정, 평가할 수 있는 방법론을 중심으로 최근의 다학제간 연구에서 발전되고 있는 이론체계와 응용연구 동향을 중점적으로 학습한다. 주요 내용은 간호정책과 선형계획법의 활용, 간호생산성의 측정과 자료포락분석(DEA), 간호서비스의 생산함수, 병원서비스 대기행렬이론, 계층적 분석법(AHP), 결정분석(decision analysis), 간호정책분석론, 간호정책조사방법, 시계열분석과 횡단분석, 패널자료분석, 모형선택법, 연립방적식 모형, 제한종속변수법 등이다.전선 / 대학원
본 과목은 동물의 병력, 신체검사 결과를 바탕으로 하여 적합한 실험실 검사법을 선택하고 그 결과를 판독하여 질병 상태를 판단하고 가장 적절한 후속 치료법 모색 및 예후 판정에 관한 것을 소개하고, 실제 임상 증례에 대한 발표 및 토론을 통하여 습득하게 함을 목적으로 한다.전선 / 대학원
교육연구에서 사용되는 데이터의 구조가 대부분 학생이 교사나 학교에 내재되어 있는 위계적인 구조를 가지는 경우가 많다는 점에서, 다층모형은 양적 연구 방법론을 익히고자 하는 교육 연구자에게 매우 필요한 방법론이라고 할 수 있다. 이 교과목에서는 다층모형을 이해하는 데 필요한 통계적 기초를 포함하여 다층모형의 기본적 개념 및 이론적 기초를 다루며, 이를 토대로 하여 2수준과 3수준 다층모형에서 시작하여 종속변수가 연속변수가 아닌 이분변수나 다분변수일 때 적용가능한 다층모형과 다시점 데이터에 적용가능한 변화에 대한 다층성장모형까지 교육연구에서 가장 자주 사용되는 기본적 모형들을 소개하고자 한다.전필 / 대학원
병원검사정보학은 진단검사의학과 모든 검사 과정에 기반을 이루고 있는 필수적인 학문이다. 그러나 진단검사의학과 의사 대다수는 진단혈액이나 분자유전검사 등 전문분야에만 관심을 가질 뿐, 검사정보학에 대한 기초가 부족하다. 이 강좌는 병원검사정보학의 개념과 기초 기술부터 향후 4차산업혁명/인공지능 시대에 예측되는 진단검사의학과 검사실의 미래에 이르기까지 전반적인 상황을 이해할 수 있는 기회를 제공한다. 이 강좌를 통하여 학생들은 진단검사의학과 검사실 실무 및 각종 연구를 수행하는 데 병원검사정보학을 올바르게 활용할 수 있는 기초지식을 습득한다.전필 / 학사
성인환자 중 영양장애, 배설장애,호흡장애,순환장애, 신경계 장애및 종양문제를 가진 환자를 간호하는데 필요한 지식, 태도, 기술을 습득하는 것이 이 교과목의 목적이다. 실습장소는 주로 대학병원의 내과계병동이며 입원환자를 대상으로 간호과정을 적용하는 것이 실습의 주내용이다.전선 / 대학원
개인별 약물유전체학적 정보 및 외인적 요인 등을 통합하여 환자별 맞춤약물요법을 연구하고 적용하는 데 필요한 지식을 습득한다.전선 / 대학원
건강과 질병, 의료이용에 관한 일반인의 행태와 그러한 행태를 보이는 이유 및 결정요인을 이해함으로써, 보건의료에 관한 일련의 과정에서 일반인과 환자가 의료인과 함께 중요한 주체라는 것을 인식하도록 한다. 그리고 이를 통하여 개인 혹은 집단 수준에서 건강증진, 질병예방, 치료의 과정과 이에 관하여 사회정책적으로 고려해야 할 지점을 파악하도록 한다.전선 / 대학원
최근 과학기술분야 연구에서 중요하게 대두되고 있는 성별특성을 반영하는 의학을 이해하고, 각 임상영역 또는 세포주, 동물모델 연구에서 연구계획에서부터, 수행, 결과분석 및 연구결과 적용의 전 과정에서 sex와 gender에 대한 고려 방안을 다루며 특히 성별과 젠더 고려가 중요한 질환 또는 관련 연구결과를 소개함으로써 향후 성별특성을 반영하는 의학에 필요한 연구 토대를 마련하고자 함.전선 / 대학원
생명 공학의 발전과 의료의 디지털화로 인해서 방대한 양의 유전체 및 오믹스, 그리고 전자의무기록 데이터가 수집되었으며, 이제 이 방대한 데이터의 처리 및 분석이 중요한 문제이다. 본 과목은 유전체, 오믹스, 의료 데이터의 특성을 소개하며, 이러한 데이터를 분석할 수 있는 통계 및 머신러닝 기반의 분석 방법을 소개한다. 특히, 이 과목은 유전체 등의 바이오 데이터와 전자의무기록이 결합되어 있는 바이오뱅크 데이터에 중점을 둔다. 구체적인 주제는 다음과 같다 ◆ 유전체 등의 바이오데이터와 전자의무기록 데이터의 특성 ◆ 유전체 데이터 연관성 분석 ◆ 유전체 기반 질병 위험도 예측, 인과관계 추론 및 약물 표적 규명 ◆ 전자의무기록 데이터 기반 임상 의사결정 지원 시스템 ◆ 유전체 및 임상 데이터 통합한 다중 모드 데이터 분석