최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
Pandu Sandi Pratama, Amruta Vinod Gulakari, Yuhanes Dedy Setiawan, 김대환, 김학경, 김상봉
2016 / International Journal of Control, Automation, and Systems
도신호, 송경두, 정주원
2020 / Korean Journal of Radiology
데이터가 존재하지 않습니다.
loading...
이 논문은 최근 의료 영상 분야에서 인기가 높아진 딥러닝에 대한 방사선과 의사들의 이해를 돕기 위해 작성되었다. 딥러닝 연구 방법이 기존의 방사선학 연구와 다르기 때문에, 딥러닝 관련 논문에 자주 사용되는 개념과 용어를 설명하여 일반 방사선과 의사들의 이해를 돕는 것을 목표로 한다.
Deep learning applications in medical imaging
Artificial intelligence and deep learning in pathology
Deep Learning for Medical Image Analysis
Deep learning, machine learning and IoT in biomedical and health informatics : techniques and applications
Learning deep learning : theory and practice of neural networks, computer vision, nlp, and transformers using tensorflow
Fundamentals of deep learning : designing next-generation machine intelligence algorithms
Deep Learning for the Life Sciences: Applying Deep Learning to Genomics, Microscopy, Drug Discovery, and More
Current applications of deep learning in cancer diagnostics
Medical imaging : artificial intelligence, image recognition, and machine learning techniques
Learning radiology : recognizing the basics
(의사를 위한) 실전 인공지능 =
Deep learning illustrated : a visual, interactive guide to artificial intelligence
Neural networks and artificial intelligence for biomedical engineering
Handbook of neural computation
Learning radiology : recognizing the basics
Deep learning neural networks : design and case studies
Deep learning for the earth sciences : a comprehensive approach to remote sensing, climate science, and geosciences
Medical physics : sixth Mexican symposium on medical physics, México City, México, 20-22 March 2002
Deep learning for remote sensing images with open source software
Deep learning in bioinformatics : techniques and applications in practice
Radiology: Artificial Intelligence
Yao A.D.,Cheng D.L.,Pan I.,Kitamura F.JOURNAL OF MAGNETIC RESONANCE IMAGING
Mazurowski, Maciej A.; Buda, Mateusz; Saha, Ashirbani; Bashir, Mustafa R.Imaging Science in Dentistry
Nagi Ravleen, Aravinda Konidena, Rakesh N, Gupta Rajesh, Pal Ajay, Mann Amrit KaurEUROPEAN JOURNAL OF RADIOLOGY
Saba, Luca; Biswas, Mainak; Kuppili, Venkatanareshbabu; Godia, Elisa Cuadrado; Suri, Harman S.; Edla, Damodar Reddy; Omerzu, Tomaz; Laird, John R.; Khanna, Narendra N.; Mavrogeni, Sophie; Protogerou, Athanasios; Sfikakis, Petros P.; Viswanathan, Vijay; Kitas, George D.; Nicolaides, Andrew; Gupta, Ajay; Suri, Jasjit S.Academic Radiology
Richardson M.L.,Garwood E.R.,Lee Y.,Li M.D.,Lo H.S.,Nagaraju A.,Nguyen X.V.,Probyn L.,Rajiah P.,Sin J.,Wasnik A.P.,Xu K.ACADEMIC RADIOLOGY
Kulkarni, Sagar; Seneviratne, Nuran; Baig, Mirza Shaheer; Khan, Ameer Hamid AhmedAcademic Radiology
Nawrocki, T.; Maldjian, P.D.; Slasky, S.E.; Contractor, S.G.Neurospine
김민규, 윤지혜, 조용원, 신기원, 장령우, 배현진, 김남국Academic Radiology
Richardson M.L.,Adams S.J.,Agarwal A.,Auffermann W.F.,Bhattacharya A.K.,Consul N.,Fotos J.S.,Kelahan L.C.,Lin C.,Lo H.S.,Nguyen X.V.,Salkowski L.R.,Sin J.M.,Thomas R.C.,Wassef S.,Ikuta I.Clinical imaging
Mayo RC; Leung JMEDICINAL RESEARCH REVIEWS
Guiot, Julien; Vaidyanathan, Akshayaa; Deprez, Louis; Zerka, Fadila; Danthine, Denis; Frix, Anne-Noelle; Lambin, Philippe; Bottari, Fabio; Tsoutzidis, Nathan; Miraglio, Benjamin; Walsh, Sean; Vos, Wim; Hustinx, Roland; Ferreira, Marta; Lovinfosse, Pierre; Leijenaar, Ralph T. H.CANADIAN ASSOCIATION OF RADIOLOGISTS JOURNAL-JOURNAL DE L ASSOCIATION CANADIENNE DES RADIOLOGISTES
Jalal, Sabeena; Parker, William; Ferguson, Duncan; Nicolaou, Savvas대한구강악안면임플란트학회지
강대영, Hieu Pham Duong, 박정철JAPANESE JOURNAL OF RADIOLOGY
Nakaura, Takeshi; Ito, Rintaro; Ueda, Daiju; Nozaki, Taiki; Fushimi, Yasutaka; Matsui, Yusuke; Yanagawa, Masahiro; Yamada, Akira; Tsuboyama, Takahiro; Fujima, Noriyuki; Tatsugami, Fuminari; Hirata, Kenji; Fujita, Shohei; Kamagata, Koji; Fujioka, Tomoyuki; Kawamura, Mariko; Naganawa, ShinjiOral radiology
Pauwels RJMIR AI
Gupta, Vikash; Erdal, Barbaros; Ramirez, Carolina; Floca, Ralf; Genereaux, Bradley; Bryson, Sidney; Bridge, Christopher; Kleesiek, Jens; Nensa, Felix; Braren, Rickmer; Younis, Khaled; Penzkofer, Tobias; Bucher, Andreas Michael; Qin, Ming Melvin; Bae, Gigon; Lee, Hyeonhoon; Cardoso, M. Jorge; Ourselin, Sebastien; Kerfoot, Eric; Choudhury, Rahul; White, Richard D.; Cook, Tessa; Bericat, David; Lungren, Matthew; Haukioja, Risto; Shuaib, HarisEJNMMI PHYSICS
Decuyper, Milan; Maebe, Jens; Van Holen, Roel; Vandenberghe, StefaanIEEE reviews in biomedical engineering
Sloan P; Clatworthy P; Simpson E; Mirmehdi MARTIFICIAL INTELLIGENCE IN MEDICINE
Monshi, Maram Mahmoud A.; Poon, Josiah; Chung, Vera의학물리
천원중, Kim Haksoo, 김진성전선 / 대학원
인공 신경망을 기반으로 하는 심층 학습 (Deep Learning) 시스템들은 음성/이미지 인식, 번역, 자율 주행 등 다양한 인공지능 영역에서 광범위하게 확산되고 있으며, 관련 기술 또한 빠르게 발전하고 있는 바, 산업 전반에 걸친 시스템의 지능화를 위해, 심층 학습 모형에 대한 이해와 활용 능력이 점차 중요해지고 있다. 본 과목에서는 심층 학습의 주요 이론과 기법을 학습하는 것을 목적으로, 구체적으로 표현형 학습 (Representation Learning), 심층 피드포워드 신경망 (Deep Feedforward Networks), 합성곱 신경망 (Convolutional Neural Networks), 순환 신경망 (Recurrent Neural Networks), 심층 오토인코더 (Deep Autoencoders), 심층 생성 모형 (Deep Generative Models), 심층 강화학습 (Deep Reinforcement Learning) 기법들을 다루고, 이들을 이해하기 위한 기계학습 및 수리적 기초 이론들을 배운다. 또한, 본 과목은 심층 학습 모델을 활용하여 멀티미디어 데이터들을 대상으로 분류, 예측, 패턴 인식, 생성 모델을 구현하는 프로젝트들 및 심층 학습 응용 사례 연구들을 포함한다.전선 / 대학원
다양한 딥러닝 신경망(CNN 등) 모델을 이용하여 치과영상(파노라마 영상, 구내 영상, CEP 영상 및 콘빔CT(CBCT) 영상)에서 정상 해부학적 구조물의 자동적 영역분할, CEP 계측점 자동적 탐지, 및 다양한 치과질환의 자동적 탐지 및 분류하는 딥러닝 모델과, 3D 치과 데이터에서 자동적 탐지, 분할과 분류하는 딥러닝 모델의 원리와 구조에 대해 수업함. 인공신경망과 딥러닝 소개 컴퓨터 비전을 위한 심층 컨볼루션 신경망 소개 딥러닝을 이용한 의료 및 치과영상 감지 및 인식 딥러닝을 이용한 의료 및 치과영상 분할 딥러닝을 이용한 의료 및 치과영상 등록 딥러닝을 이용한 컴퓨터 지원 진단(CAD)전선 / 대학원
의료 분야는 인공지능(AI) 기술의 빠른 발전에 따라 진단, 수술 계획, 예후 예측, 환자 맞춤 치료 등 다양한 영역에서 혁신적인 변화를 겪고 있다. 본 강의는 정형외과 질환과 치료 과정에 있어 AI의 적용 가능성과 실제 임상 연구, 데이터 과학적 접근, 윤리적·법적 쟁점 등을 다룬다. ◆ 정형외과 영역에서의 AI 적용 분야와 현황 이해 ◆ 영상분석, 예측모델, 로봇수술 등 최신 기술 습득 ◆ 의료데이터 기반 AI 연구 방법론 이해 ◆ 임상 적용에서의 윤리·법적 이슈 탐구 ◆ 학문적 연구 및 정책 제안 능력 강화전선 / 대학원
딥러닝 모델은 추상화 복잡도를 증가하면서 정보를 표현하는 여러 계층으로 이루어진 신경망으로, 최근 영상/음성/자연어 처리 등의 문제에서 다른 기계 방법론들을 크게 상회하는 뛰어난 성능을 보이고 있다. 본 과정에서는 딥러닝의 기반이 되는 기계학습 및 최적화 기법들을 배우고, 기본적인 신경망에 대해서 학습한다. 그리고 영상 처리와 자연어 처리의 핵심 모델인 Convolutional neural networks와 Recurrent neural networks의 훈련법과 추론법들을 익힌다. 또한 비감독 생성 모델인 Autoencoders와 Restrict Boltzman machines에 대해 자세히 살펴 보고 마지막으로 딥러닝 기반 강화 학습에 대해서도 학습하고 실습을 진행한다. 본 과목은 대학원생과 일부 고년차 학부생을 대상으로 한다.전선 / 대학원
이 수업은 인공지능과 기계학습의 이론적 기초를 다루며, 특히 의료 데이터의 다양한 특징에 맞는 학습 및 추론 알고리즘을 디자인하기 위해 필요한 공학적 및 신호처리 원리를 이해하는 데 초점을 맞춘다. 수업에서는 전통적인 기계학습 기법부터 최신 인공지능 기법까지의 원리를 배우고, 이를 통해 수강자가 주어진 데이터를 바탕으로 알고리즘을 설계하고 공학적으로 해석할 수 있는 능력을 키우는 것을 목표로 한다. 의료 데이터는 단백질과 분자 (그래프), 유전체/전사체 (텍스트), 혈당/뇌파 (시계열 신호), 의료 영상 (다차원 영상), 환자 메타 정보 (테이블), 대사 상호 작용 정보 (다차원 행렬) 등 매우 다양한 형태를 가지고 있다. 이러한 다양한 데이터를 컴퓨터가 이해할 수 있는 형식으로 변환하는 과정에서 비선형 함수의 학습이 중요한 역할을 하며, 이는 의료 인공지능의 핵심 신호처리 원리 중 하나이다. 본 수업은 일반적인 기계학습 및 인공지능의 공학적 기초 외에도, 이처럼 의료 데이터의 특성을 반영한 대표적이고 특징적인 기계학습 및 인공지능 기술을 추가적으로 학습한다. 이를 통해 수강자는 일반 데이터 전문 분석가를 넘어선 의료 데이터 전문 분석가로 성장할 수 있는 역량을 갖추는 것을 목표로 한다.전선 / 대학원
최근 딥러닝을 이용한 인공지능 기술이 의료 각 분야에서 다양하게 적용되고 있다. 이 강좌에서는 의료분야에서 사용되는 인공지능 기술의 기초와 다양한 적용 사례를 살펴봄으로써 의료 인공지능 기술의 미래 전망과 한계점을 이해하는 것을 목표로 한다. 아울러 실제 인공지능을 적용한 의료 서비스 사례를 연구함으로써 실용화 과정에 필요한 요구사항과 규제에 대한 이해를 증진한다.전선 / 대학원
다양한 딥러닝 신경망(CNN 등) 알고리즘을 치과영상(파노라마 영상, 구내 영상, CEP 영상 및 콘빔CT(CBCT) 영상)에 적용하여 자동적 영역분할, 치과질환의 자동적 탐지 및 분류하는 방법을 실습함. 치과영상 데이터의 annotation 방법, 신경망 학습, 테스트 및 모델의 성능분석 등을 디지털 치과 데이터를 실제 컴퓨터 서버에 탑재하고 실습하여, 학생 스스로 딥러닝을 이용하여 치과영상을 분석할 수 있는 능력을 제공함. Getting Started with Deep Learning Using PyTorch Building Blocks of Neural Networks Diving Deep into Neural Networks Fundamentals of Machine Learning Deep Learning for Computer Vision Deep Learning with Sequence Data and Text Generative Networks전선 / 대학원
최근 딥러닝을 이용한 인공지능 기술이 의료 각 분야에서 다양하게 적용되고 있다. 이 강좌에서는 의료분야에서 사용되는 인공지능 기술의 기초와 다양한 적용 사례를 살펴봄으로써 의료 인공지능 기술의 미래 전망과 한계점을 이해하는 것을 목표로 한다. 아울러 실제 인공지능을 적용한 의료 서비스 사례를 연구함으로써 실용화 과정에 필요한 요구사항과 규제에 대한 이해를 증진한다.전선 / 학사
본 과목은 자연과학대학 학부생을 대상으로 하여, 세부 학부/학과에 관계없이 자연과학대학 학부생이 함양해야 하는 프로그래밍 및 인공지능 지식을 갖추도록 돕는 것을 목표로 합니다. 특히 프로그래밍 및 인공지능과 관련된 방대한 내용 중 자연과학을 전공하는 데 실질적으로 필요한 전산학, 계산과학, 통계학, 심층신경망 분야의 기초지식을 습득하고, 그에 대한 실습을 직접 해보도록 하는 데 초점을 맞춥니다. 이는 자연과학대학의 기존 인공지능/계산과학/데이터과학 전공과목의 수강에 앞서, 학부생들이 프로그래밍 능력과 함께 이를 자연과학의 문제에 직접 적용할 수 있는 능력을 갖추도록 하기 위함입니다. 본 과목에서는 이론과 실습을 병행하여, 향후 자연과학 연구에서 맞닥뜨릴 수 있는 실제 문제와 데이터를 인공지능을 이용하여 다루고 해결해 볼 수 있는 기회를 학부생들에게 제공하고자 합니다. 기초 수준의 컴퓨팅/프로그래밍 능력을 갖춘 학생은 본 과목을 이수한 후, 자연과학의 세부 분야에서 인공지능과 프로그래밍이 어떻게 활용되는지 이해하고, 향후 연구에 직접 활용할 수 있는 능력을 함양하게 될 것입니다.전선 / 대학원
인공지능은 우리가 사는 방식을 바꾸었다. 특정 의료 영역에서 인공지능은 전문가의 수준 만큼 정확하고 일부 영역에서는 이미 전문가의 실력을 뛰어넘는다. 하지만, 의료계에서 이러한 알고리즘을 손쉽게 받아들이기 어려운 것은 인공지능의 “블랙박스” 즉 설명 불가능한 특성 때문이다. 본 수업은 현존하는 이해가능한 (interpretable) 기계학습 모형과 이해불가능한 딥러닝 모형의 설명가능 방법론 (explainable)을 의료의 관점에서 탐구할 것이다. 또한 “설명가능성”에 대한 사회적, 이론적, 경험적, 인과적 관점을 조사할 것이다.전선 / 학사
연구실에서의 연구참여 활동을 통하여 전공 지식을 심화 학습한다. 각자가 원하는 연구에 참여하며 그 연구에 대한 직접적인 경험을 갖는다.전선 / 대학원
본 과목은 빠른 속도로 발전하고 있는 인공지능 분야에서 최근 중요 기술 및 논문들 중 선별하여 강의를 제공한다. 주요 논문과 최신기술에 관한 학습 및 논의, 팀별로 국제적 발표가 가능한 수준의 연구 프로젝트의 진행, 등을 목표로 한다. 주제는 알고리즘 분야(active learning, classification, clustering, multitask and transfer learning, stochastic methods, unsupervised learning, self-supervised learning) 및 딥러닝 분야 (adversarial networks, deep autoencoderes, generative models, optimization for deep networks, recurrent networks, supervised deep networks)를 중심으로 다루며, 각 학기마다 중점 내용이 조정된다.전선 / 대학원
디지털 병리 영상은 조직 및 세포 대상의 영상으로, 인공 지능 및 디지털 기술의 발달로 의료 디지털 영상 자료의 주요 자원으로 부상하고 있다. 병리학은 생물의 구조 단위를 현미경 수준으로 관찰하고 분석 연구하는 분야로 생물학과 임상학의 이론과 실제를 중개하는 학문 분야이다. 이 강좌에서는 병리 디지털 영상의 병리학적 기본 구성을 이해하고, 임상 및 생물학적 연구 분석을 위해 사용되는 이미지 분석법에 대하여 고찰하고 토론한다. 이 강좌를 통하여 학생들의 병리 영상 속의 병리학적 기초와 의미, 영상 획득의 기술적 방법 및 종류, 디지털 병리 영상 분석의 최신 기법 및 임상 및 연구에서의 활용법에 대한 최신 트랜드를 배운다.전선 / 대학원
기본적인 인공지능 개념 및 방법에 대한 이해를 바탕으로, 스마트 디지털 치과의료(Digital dentistry) 구현을 위한 치과질환 자동진단, 환자맞춤형 치료계획 자동화, 및 치과수술 시뮬레이션 지능화 등의 디지털 치과의료에서 인공지능 활용에 대해 개론적인 내용을 수업함. 인공지능의 개념과 역사 인공지능, 머신러닝과 딥러닝 인공지능 활용 치과질환 진단 인공지능 활용 치과영상 계측 인공지능 활용 치과치료 계획 인공지능 활용 치과수술 시뮬레이션 인공지능 기반 환자맞춤형 치과 치료전선 / 대학원
본 과목은 빠른 속도로 발전하고 있는 인공지능 분야에서 최근 중요 기술 및 논문들 중 선별하여 강의를 제공한다. 주요 논문과 최신기술에 관한 학습 및 논의, 팀별로 국제적 발표가 가능한 수준의 연구 프로젝트의 진행, 등을 목표로 한다. 주제는 알고리즘 분야 (active learning, classification, clustering, multitask and transfer learning, stochastic methods, unsupervised learning, self-supervised learning) 및 딥러닝 분야 (adversarial networks, deep autoencoderes, generative models, optimization for deep networks, recurrent networks, supervised deep networks)를 중심으로 다루며, 각 학기마다 중점 내용이 조정된다.전선 / 대학원
본 교과목에서는 의료 분야에서 인공지능의 핵심 이론, 주요 응용 및 연구 방법론을 심층적으로 학습한다. 인공지능 기술이 의료 영상, 생체 신호, 전자의무기록 등 다양한 의료 데이터와 임상 현장에서 어떻게 활용되는지 적용사례를 중심으로 다룬다. 또한, 최신 연구 동향을 탐구하고, 학생들이 논문 발표를 통해 각자의 연구 분야에 인공지능 기술을 효과적으로 접목할 방안을 모색하는 기회를 제공한다.전선 / 대학원
구강악안면방사선학분야에서 최근 이루어지고 있는 연구동향과 최신지견에 대해 토의한다.전선 / 대학원
이 강좌는 실험심리학에서 최근의 중요 연구들을 소개하고 인간 마음의 기본 원리를 탐색 및 논의하는 세미나이다. 우선 강의 초에 인간의 생리, 지각 및 인지 수준에서 일반이론을 소개하고 그 문제점들을 알아본다. 이 이론들에 기초하여, 이 강좌에서는 시각, 주의, 언어, 문제 해결, 인간 추리 등의 세부 주세를 다룬다. 또한 이 강좌에서는 이런 주제들에 관해 실험 실습을 통해 학생들의 구체적인 이해의 증진을 시도한다.전선 / 대학원
본 과목에서는 인공지능의 최신 연구에 대하여 살펴본다. 기계학습, 컴퓨터비전, 자연어처리, 음성인식, 로봇 공학 등 인공지능의 여러 세부 분야에 대해 대표적인 연구 논문들을 중심으로 이론 및 알고리즘, 응용 분야 등에 대해 발표하고 토의한다.전선 / 대학원
인지과학 연습 1의 내용을 보다 확장하여 인지과학의 연구사, 연구주제등을 다각도로 검토하여 과정에 진입한 학생들에게 인지과학의 기초적 지식배경을 제공하는데 목적이 있다.