최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 연구는 DCGAN으로 생성된 가상 치아 이미지에서 학습 횟수가 최적의 데이터에 미치는 영향을 분석했습니다. 하악 첫 번째 어금니의 교합면 50개를 추출하여 DCGAN을 4,000 epoch 동안 학습시키고, 학습 화면을 50회마다 저장하여 5가지 분류 기준에 따라 5점 Likert 척도로 평가했습니다. 학습 횟수가 2,050-3,000회일 때 가장 높은 점수를 보였으며, 이는 50-1,000회 및 1,050-2,000회 그룹과 통계적으로 유의미한 차이를 보였습니다.
Learning theory and Kernel machines : 16th Annual Conference on Learning Theory and 7th Kernel Workshop, COLTKernel 2003, Washington, DC, USA, August 24-27, 2003 : proceedings
Deep Learning : foundations and concepts
Database Systems for Advanced Applications : 24th International Conference, DASFAA 2019, Chiang Mai, Thailand, April 22–25, 2019, Proceedings, Part II
Computational learning theory : Third European Conference, EuroCOLT'97, Jerusalem, Israel, March 17-19, 1997 proceedings
Machine learning for medical image reconstruction : 4th International Workshop, MLMIR 2021, held in conjunction with MICCAI 2021, Strasbourg, France, October 1, 2021, Proceedings
미디어 인공지능 : 영상 분야의 딥러닝 활용을 중심으로
Visualization in medicine and life sciences.
New trends in neural computation : International Workshop on Artificial Neural Networks, IWANN '93, Sitges, Spain, June 9-11, 1993 : proceedings
Principles of data mining and knowledge discovery : Third European Conference, PKDD'99, Prague, Czech Republic, September 15-18, 1999 : proceedings
Understanding deep learning
Pro deep learning with TensorFlow : a mathematical approach to advanced artificial intelligence in Python
텐서플로 2와 케라스로 구현하는 딥러닝 : 회귀, CNN, GAN, RNN, NLP, AutoML까지 딥러닝의 모든 것
Advances in intelligent data analysis : third international symposium, IDA-99, Amsterdam, The Netherlands, August 1999 : proceedings
Multimodal Learning for Clinical Decision Support and Clinical Image-Based Procedures : 10th International Workshop, ML-CDS 2020, and 9th International Workshop, CLIP 2020, Held in Conjunction with MICCAI 2020, Lima, Peru, October 4–8, 2020, Proceedings
Radiographic cephalometry : from basics to 3-D imaging
The random projection method
Artificial Intelligence for Communications and Networks : Second EAI International Conference, AICON 2020, Virtual Event, December 19-20, 2020, Proceedings
케라스로 배우는 신경망 설계와 구현 : CNN, RNN, GAN, LSTM 다양한 신경망 모델 설계와 구현
GAN 인 액션 : 텐서플로 2.x와 케라스로 구축하는 생성적 적대 신경망
대한치과기공학회지
Bae Eun-Jeong; Ihm Sun-YoungDIAGNOSTICS
Celik, Mahmut EminJournal of Ambient Intelligence and Humanized Computing
Inani, Hardik; Mehta, Veerangi; Bhavsar, Drashti; Gupta, Rajeev Kumar; Jain, Arti; Akhtar, ZahidInternational Journal of Data and Network Science
Alsayyed A.,Taqateq A.M.,Al-Sayyed R.,Suleiman D.,Shukri S.,Alhenawi E.,Albsheish A.M.한국지능시스템학회 논문지
신현후, 김동효, 장석민, 김경원, 정준호, 손윤식대한소아치과학회지
김현태; 송지수; 신터전; 현홍근; 김정욱; 장기택; 김영재대한치과기공학회지
Eun-Jeong BaeScientific Reports
On, Sungchul; Ock, Junhyeok; Bae, Myungsoo; Park, Jae-Woo; Baek, Seung-Hak; Ham, Sungwon; Kim, NamkugClinical Oral Investigations
Kunt L.,Kybic J.,Nagyová V.,Tichý A.SCIENTIFIC REPORTS
Bayati, Mahsa; Savareh, Berhrouz Alizadeh; Ahmadinejad, Hojjat; Mosavat, FarzanehPlanta
Meng X.,Nakano A.,Hoshino Y.IEEE Transactions on Medical Imaging
Zhao Y.,Zhang L.,Liu Y.,Meng D.,Cui Z.,Gao C.,Gao X.,Lian C.,Shen D.IEEE ACCESS
Tian, Sukun; Dai, Ning; Zhang, Bei; Yuan, Fulai; Yu, Qing; Cheng, XiaoshengENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENCE
Brahmi, Walid; Jdey, Imen; Drira, FadouaJOURNAL OF STOMATOLOGY ORAL AND MAXILLOFACIAL SURGERY
Kurtulus, Ikbal Leblebicioglu; Lubbad, Mohammed; Yilmaz, Ozden Melis Durmaz; Kilic, Kerem; Karaboga, Dervis; Basturk, Alper; Akay, Bahriye; Nalbantoglu, Ufuk; Yilmaz, Serkan; Ayata, Mustafa; Pacal, IshakIntelligenza Artificiale
Bouali, R.; Mahboub, O.; Lazaar, M.Computers in Biology and Medicine
Yaren Tekin B.,Ozcan C.,Pekince A.,Yasa Y.SENSORS
Andrade Calazans, Maria Alice; Ferreira, Felipe Alberto B. S.; Melo Guedes Alcoforado, Maria de Lourdes; dos Santos, Andrezza; Pontual, Andrea dos Anjos; Madeiro, FranciscoInternational Journal of Oral and Maxillofacial Implants
Kong H.J.,Eom S.H.,Yoo J.Y.,Lee J.H.Egyptian Journal of Forensic Sciences
Pintana, Patipan; Upalananda, Witsarut; Saekho, Suwit; Yarach, Uten; Wantanajittikul, Kittichai전선 / 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
이 강좌는 보건의료계열 교육에서 학습자의 학습 성과, 즉 교육효과를 측정하기 위한 방법으로서 학습분석학 (learning analytics)이라는 최신 분야의 이론과 실제를 다룬다. 치의학교육을 비롯한 다양한 교육 맥락에서 다각적인 데이터를 체계적으로 수집하고 분석하여 교육 효과를 측정하는 방법을 탐구한다. 나아가 이 데이터에 기반하여 최적화된 학습 환경과 경험을 설계하는 법, 근거기반 교육을 위해 교육연구를 설계하는 방법도 함께 논의한다.전선 / 대학원
구강악안면방사선학 연구 분야에 관심을 가지는 학생들을 대상으로 구강악안면방사선학 분야에서 진행되고 있는 임상적 및 기초적 연구 분야와 연구방법에 대한 소개를 진행하며 수강생들은 각자 하나의 주제를 가지고 직접 실습을 통하여전선 / 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
구강 내에서 상실된 치아를 주변 구조물들의 정보와 이미 수립된 data base를 이용하여 삼차원 적으로 재구성하는 방법 연구. 기존의 연구 내용을 기반으로 실제 임상에서 사용가능 여부를 검증하고 더욱 진보된 방법을 찾는다. 비록 구체적 algorithm 개발은 어려울지라도 강의를 들어 기초적 지식을 습득하고 이를 기반으로 기본 연구 방향을 제시하고 실제 임상에서의 need를 제공하여 이미 이루어진 연구를 더욱 발전시킬 수 있도록 한다. 수업은 journal review club을 기본으로 외부 연자의 초빙 및 필요한 경우 report를 제출하도록 한다.전선 / 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
어린이의 악골과 치아의 발육 및 성장양상을 조기 진단하여 그 발육상태를 촉진 및 억제함으로써 장차 정상적인 교합상태로 유도함에 그 목적이 있다.전선 / 대학원
치과마취과학 임상실습 과목을 이수하여 치과치료 중 발생하는 의료응급상황과 치과응급상황을 구별하고 환자에게 필요한 모니터링 장치를 장착한 후 그 값을 읽어 적절한 처치를 할 수 진단할 수 있도록 한다. 또한, 기본생명구조술과 전문기도관리, 정맥로 확보 및 약제 주입방법을 실습을 통해 익히고, 실제 환자에서 사용할 수 있도록 한다. 구강악안면 외과 수술환자, 장애인 환자의 전신마취 과정과 회복과정, 그리고 통증관리에 대하여 실습을 통해 이해하고, 마취기록을 작성할 수 있도록 익히고, 회복실 기록지 등 시간에 따른 마취기록을 해석할 수 있도록 한다.전선 / 대학원
교정영역에서 전통적인 진단과 치료방식은 x-ray와 사진을 이용한 2차원적인 방식에 의존하여 왔다. 그러나 과학기술의 발달로 인하여 진단과 치료계획시 3차원 CT, 3차원 사진, digital technology를 이용한 새로운 paradigm으로 변화하고 있다. 이에 따라 Digital Orthodontics이라는 개념을 이해하는 것이 필수적인 과정이 되었다. 교정계획 수립시 치아이동을 가상 Set-Up하여 simulation 하여봄으로써 실제 가능한 치아이동의 종류와 정도를 파악하여야 할 것이다. 따라서 본 과정은 3차원 digital virtual set-up 을 이용하여 실제 환자의 진단과 치료에 적용하는 법을 이해시키는데 목적이 있다. 이 과정은 아래와 같이 구성되어 있다. 1. 교정 진단과 치료계획시 3차원 CT, 사진, digital technology를 이용한 새로운 paradigm의 변화와 Digital Orthodontics이라는 개념을 이해한다. 2. Virtual set-up 의 개념 이해 3. 교정계획 수립시 치아이동을 가상 Set-Up하여 simulation 한다. 4. 실제 가능한 치아이동의 종류와 정도를 파악한다.전필 / 대학원
악구강계의 해부학적 구조와 기능 및 이와 관련된 일련의 생리학적 과정 및 영향에 관한 기본지식을 바탕으로 진행되는 실습과 강의를 통하여 하악운동을 학습한다. 교합의 구성요소를 배우고 이들이 실제 환자의 하악운동과 어떤 관계를 가지는지 학습하며 실제 교합재구성을 위한 제반사항, 모형의 분석, 교합기의 사용법 및 교합면형성과 치아형태복원을 위한 functional wax-up 실습을 통하여 악관절, 근신경계의 역할 및 이들과 조화된 교합면 형성을 실습한다. 여러 교합개념에 대한 장, 단점을 소개하고 각 수복방법에 따른 교합개념을 정리한다.전선 / 대학원
이 교과목에서는 비선형시스템 식별에 관련된 각종 실용적 기법들을 소개한다. 또한, 비선형 목적함수의 최적문제의 해를 구하는 각종 비선형프로그래밍기법도 소개한다. 단, 비선형궤환제어와 컴퓨터 네트워크 등에 효과적으로 사용될 수 있는 기법들에 국한하여 심도 있게 공부하고 실제 응용 예를 통하여 그 가능성을 토의한다.전선 / 대학원
교정치료의 근간이 되는 가철식 교정장치의 원리, 설계 방법, 가철식 교정장치에 의한 치아이동법에 대해 토의하고 다양한 가철식 교정장치의 제작법 및 가철식 교정장치를 이용한 진단과 치료 계획을 다룬다. 이를 통해 가철식 교정장치로 치료할 수 있는 증례를 이해하고 임상에 응용할 수 있다.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 / 학사
연구실에서의 연구참여 활동을 통하여 전공 지식을 심화 학습한다. 각자가 원하는 연구에 참여하며 그 연구에 대한 직접적인 경험을 갖는다.전선 / 대학원
본 교과목은 고급데이터마이닝 방법론(326.637) 과목에 이어 심층학습모형에 중점을 둔다. 교육 목표는 심층학습(deep learning)의 방법들을 공부하고 관련된 통계적 문제를 찾아내는 것이다. 다루는 내용은 다음과 같다. 심층학습 이전의 특징 추출 및 판별 분석 기법, 기계학습에서 사용되는 이론적인 도구들, 인공신경망의 기초, 다층 퍼셉트론, 역전파, 합성곱 신경망, 최적화와 정칙화, 가시화, 파이톤과 심층학습 프레임워크, 순환 신경망, 변분적 추론, 적대적 생성 네트워크, 영상 분할 및 검출, 자연어 처리 등이다.전선 / 대학원
본 교과목은 고급데이터마이닝 방법론(326.637) 과목에 이어 심층학습모형에 중점을 둔다. 교육 목표는 심층학습(deep learning)의 방법들을 공부하고 관련된 통계적 문제를 찾아내는 것이다. 다루는 내용은 다음과 같다. 심층학습 이전의 특징 추출 및 판별 분석 기법, 기계학습에서 사용되는 이론적인 도구들, 인공신경망의 기초, 다층 퍼셉트론, 역전파, 합성곱 신경망, 최적화와 정칙화, 가시화, 파이톤과 심층학습 프레임워크, 순환 신경망, 변분적 추론, 적대적 생성 네트워크, 영상 분할 및 검출, 자연어 처리 등이다.전선 / 대학원
이 강좌는 학습과 기억심리학에서의 고전적 연구와 함께 최근의 발전을 개관하는 것이 목표이다. 연합학습의 주요 발견과 이론들, 기억의 구조이론 대 과정이론 간의 논쟁 등을 살펴보는 동시에, 이들 심리학적 발견이 실제 교육과 훈련 장면에서 어떻게 적용될 수 있는지를 탐색하고자 한다.전선 / 대학원
인지과학 연습 1의 내용을 보다 확장하여 인지과학의 연구사, 연구주제등을 다각도로 검토하여 과정에 진입한 학생들에게 인지과학의 기초적 지식배경을 제공하는데 목적이 있다.전선 / 학사
딥 러닝의 핵심 개념, 모델 및 활용 사례를 강의한다. 강의 전반부에는 deep neural network의 정의, stochastic gradient descent, backpropagation, activation, optimization 등 딥 러닝의 핵심 개념을 강의하며, 후반부에는 convolutional neural network, recurrent neural network, generative adeversarial network, transformer 등 실제로 활용되는 딥 러닝 모델들의 특징과 활용 사례를 다룬다. 또한 각 모델들을 PyTorch를 통해 실제로 활용해볼 수 있도록 과제/프로젝트를 구성한다.전선 / 대학원
치의학은 아동의 신체 전반적인 성장과 두개안면부의 성장에 대해서 매우 오래 전부터 관심을 가져왔었고, 단순히 성장의 양상을 추적하여 보고하는 데 그치지 않고, 성장 패턴의 분석과 함께 앞으로의 성장 양상을 예측하고자 하는 노력을 경주해왔다. 본 강좌에서는 신체 성장 및 안면 성장의 패턴에 대해 현재까지 밝혀진 바와, 성장 예측 알고리즘을 수립하는 데 관계된 연구에 대해 살펴보고자 한다.