최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
Lessons from animal diabetes VI : 75th anniversary of the insulin discovery
Mouse models for drug discovery : methods and protocols
Animal models in diabetes research
Data science, AI, and machine learning in drug development
Bioinformatics in microRNA research
Animal models of diabetes : frontiers in research
Emergencies in Diabetes Diagnosis, Management and Prevention
당뇨병 딜레마 : 당뇨병 진단부터 합병증 관리까지, 최선의 선택을 위한 여정
In vivo glucose sensing
Diabetes in old age
Machine learning in healthcare informatics
Research methodologies in human diabetes
Machine Learning을 활용한 비급여 분류 알고리즘 개발 연구
Human IPSC-Derived Disease Models for Drug Discovery
패턴 인식과 머신 러닝
Animal models of diabetes : methods and protocols
Social media analytics for user behavior modeling : a task heterogeneity perspective
Sequential decision analytics and modeling : modeling with Python
Machine learning and medical imaging
Current Bioinformatics
Awasthi, R.; Mahavar, A.; Shah, S.; Patel, D.; Patel, M.; Shah, D.; Patel, A.Multimedia Tools and Applications
Zhao Y.,Han J.,Hu X.,Hu B.,Zhu H.,Wang Y.,Zhu X.AI & SOCIETY: Journal of Knowledge, Culture and Communication
Sarwar, Abid; Sharma, VinodCurrent Diabetes Reports
Akihiro Nomura; Masahiro Noguchi; Mitsuhiro Kometani; Kenji Furukawa; Takashi YonedaInternational Journal of Environmental Research and Public Health
Dutta A.,Hasan M.K.,Ahmad M.,Awal M.A.,Islam M.A.,Masud M.,Meshref H.Diabetes and Metabolism Journal
Shin J.,Kim J.,Lee C.,Yoon J.Y.,Kim S.,Song S.,Kim H.S.BMJ Open
Yang S.,Mo R.,Wang W.,Zhen P.,Han W.Nature
Worth TJMIR Medical Informatics
Liu Y.Sustainability (Switzerland)
Zhuhadar L.P.,Lytras M.D.BMC Medical Informatics and Decision Making
Shang Y.,Jiang K.,Wang L.,Zhang Z.,Zhou S.,Liu Y.,Dong J.,Wu H.Multimedia Tools and Applications
Modak S.K.S.,Jha V.K.적정기술학회지(Journal of Appropriate Technology)
이소정, 최지웅, 이채린, 김종완DIABETOLOGY & METABOLIC SYNDROME
Afsaneh, Elaheh; Sharifdini, Amin; Ghazzaghi, Hadi; Ghobadi, Mohadeseh ZareiDiabetes and Metabolism Journal
신주영; 김재원; 이찬중; 윤준영; 김세연; 송승재; 김헌성Computational intelligence and neuroscience
Intelligence And Neuroscience C한국정보통신학회논문지
김재호, 김장영IEEE ACCESS
Ahmed, Usama; Issa, Ghassan F.; Khan, Muhammad Adnan; Aftab, Shabib; Khan, Muhammad Farhan; Said, Raed A. T.; Ghazal, Taher M.; Ahmad, MunirIEEE ACCESS
Ahmed, Shamim; Kaiser, M. Shamim; Hossain, Mohammad Shahadat; Andersson, KarlJMIR Medical Informatics
Zhang L.,Shang X.,Sreedharan S.,Yan X.,Liu J.,Keel S.,Wu J.,Peng W.,He M.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
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
확률 그래프 모델은 확률 변수들 간의 조건 의존성을 그래프 형태로 나타낼 수 있는 통계 방법론으로, 대용량 변수들의 복잡한 상호관계도 조밀하게 표현할 수 있다. 근래 컴퓨터 비전, 자연어 처리, 로봇공학, 컴퓨터 시스템, 계산 생물학 등 인공지능과 연관된 다양한 실제 문제들에 성공적으로 활용되고 있다. 본 과목에서는 확률 그래프 모델에 필요한 이론, 원리, 알고리즘 등을 폭넓게 배우며, 특히 주요 주제로는, 베이지안 그래프와 마코프 랜덤 필드의 표현, 합-곱 알고리즘과 신뢰 전파 알고리즘 등을 통한 그래프 모델의 학습과 추론, 변분 분석과 표본화를 통한 근사 방법, 최대 마진 방법과 깊은 신경망 등의 최신 기계 학습 기법 등과 그들의 실제 적용 방법과 예시 등을 다룬다. 본 과목은 대학원생과 일부 고년차 학부생을 대상으로 한다.전선 / 대학원
새로이 개발되는 신의약, 의료기기, 세포치료제, 조직공학재료, 바이오장기 등에 대한 효능 평가를 위하여 각종 질환모델동물에 대한 기술과 지식이 절실히 필요한 때다. 이에 “질환모델동물"이라는 강좌를 신설하고자 하며 다음과 같은 강좌로 구성하고자 한다. - 질환모델동물 - 원리와 문제점 - 독성연구에서 모델동물 - 생식독성연구에서 모델동물 - 알레르기 모델동물 - 심혈관계 모델동물 - 소화기계 모델동물 - 태자 생리학에서 모델동물 - 신장 연구에서 모델동물 - 당뇨 모델동물 - 신경연구에서 모델동물 - 통증연구에서 모델 동물 - 미생물감염연구에서 모델동물 - 종양연구에서 모델동물전필 / 학사
첨단융합학부 학생의 전공탐색을 위한 과목으로, 융합데이터과학의 핵심 개념과 다양한 응용 분야를 소개하여 향후 전공선택에 필요한 필수적인 정보를 제공한다. 특히, 융합데이터과학 분야에서 진행되는 첨단연구와 연구의 실제 응용 사례를 직접 체험하여, 자신의 전공 적성을 좀 더 구체적으로 알아보고 설계할 수 있는 기회를 제공한다.전선 / 대학원
최근 치의학을 비롯한 다양한 분야에 통계 및 기계학습 분석이 활발히 진행되고 있으며 연구에 기본적인 분석을 위해서 기계학습 및 통계 방법의 활용이 다양한 분야에서 적용되고 있다. 이를 위해서 여러 프로그래밍 언어의 기본을 설명하고 이를 바탕으로 다양한 통계 및 기계학습 분석을 코드 기반으로 수행할 수 있는 역량을 기른다. 그리고 다양한 데이터를 예시로 프로그래밍을 활용해 생성한 분석 방법을 일관성 있게 코드화하고 자신만의 분석 방법을 정립할 수 있도록 한다.전선 / 대학원
손상된 조직재생, 기능을 복원하기 위해 개발되는 저분자, 펩타이드, 단백질, 유전자 치료제 신약에 대한 분류, 신약으로 도출되기 위해 필수로 수행해야하는 시험 및 임상연구에 대한 기초지식을 학습함. 또한 조직복원을 위한 약물융합소재, 생리활성 바이오소재 등에 기반한 의료기기의 설계 및 기능평가 연구에 대해서 학습함.전선 / 대학원
신약 개발을 위한 과정에서 단백질 구조의 필요성은 날로 증대되고 있으며 단백질 데이터 은행 (Protein Data Bank, PDB)에 등재된 단백질 삼차 구조는 이미 십만 개를 넘어섰다. 본 과목에서는 단백질의 구조에 기반하여 신약 개발을 위한 구조 가시화, 구조 분석, 모델링 (modeling), 리간드 도킹 (ligand docking), 가상 검색 (virtual screening), 분자 동역학 시뮬레이션 (molecular dynamics simulation) 등을 강의한다.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 / 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
분자 수준 (DNA, RNA, proteins, epigenome) 생물정보 데이터 분석에 사용된 기계학습 기법을 구체적 문제와 함께 학습하는 과목이다. 생물정보학에 거의 모든 기계학습 기법이 사용 되고 있는데, 본 과목에서 다루는 기법은 dynamic programming, ML, MAP, (generalized) hidden Markov model (HMM), Gibbs sampling, Dirichlet mixture, expectation maximization, (graph) convolutional neural network, (graph) embedding, (Baysian) autoencoder 등이다.전선 / 대학원
100여년 전부터 실험동물은 의약학 발전과 함께 하면서 의약학 발전의 밑거름이 되어 왔다. 이 강의는 특정질환 중에 하나인 종양 연구에서 사용되어지는 실험동물모델을 살펴보고, 이에 대한 이해를 높힘으로써 구강암을 포함한 종양을 연구하고자 하는 학생들에게 관련기초 지식을 제공하고자 한다.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
평균 제곱 추정(mean square estimation), 최대 가능성 추정(max likelihood estimation), 그리고, Wiener 필터링과 같은 고전적인 추정 이론에 대해 소개한다. 이산 시간 또는 연속 시간 Kalman 필터, shaping filter, 최적 평활, Kalman 필터 디자인과 성능 분석, 제곱근 필터링, 확장 Kalman 필터를 포함한 비선형 필터링에 대해서도 알아본다.전선 / 대학원
치과의료는 4차 산업혁명 기술과의 융합을 통해 디지털 덴티스트리(Digital dentistry) 기술로 발전이 가속화되고 있음. 환자의 디지털 파노라마 영상, 콘빔CT(CBCT) 영상, 3D 구강스캔 및 3D 안면스캔 등의 디지털 데이터를 획득(Scanning), 계획(Planning)/시뮬레이션(Simulation)과 즉시적 디지털 제작(Direct Digital Manufacturing, DDR) 과정을 거쳐서 치과환자 진단/치료에 바로 적용됨. 본 강의에서는 딥러닝(deep learning) 등 다양한 인공지능 알고리즘에 대한 이해를 바탕으로, SMART 디지털 덴티스트리(Digital dentistry) 구현을 위한 치과질환 자동진단, 환자맞춤형 치료계획 자동화, 및 치과수술 시뮬레이션 지능화 등의 솔루션 등에 대해 수업함.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
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 강의는 빠르게 변화하고 있는 디지털 헬스케어 분야의 다양한 주제들을 학습하는 것을 목적으로 한다. 학생들은 이론적 지식뿐만 아니라 실제 의료 데이터를 다루는 실습을 통해 실무적 역량을 기를 수 있다. 또한 실제 의료 현장의 전문가들과 함께 팀 프로젝트를 수행하며, 다양한 임상 현장의 문제를 탐구하고 해결 방안을 모색한다. 이를 통해 학생들은 디지털 헬스케어 연구와 임상 적용에 필요한 통합적 이해와 연구 역량을 갖추게 될 것이다.전선 / 학사
본 과정에서는 머신러닝의 기초를 수업한다. 수업 초반에는 머신러닝의 기초가 되는 확률, 선형대수, 최적화, 신호처리를 간단히 리뷰한다. 중반부에서는 대표적인 머신러닝 문제인 Classification, regression, clustering을 소개하고 예시를 통하여 개념을 학습한다. 후반부에서는 스마트 제조를 위한 센싱, 공간정보구축, 로보틱스 적용의 실습을 조별로 진행한다. 독립전원으로 구동가능한 미니PC 상에 리눅스를 운용하고, ROS SLAM 등 로보틱스와 공간지능 관련 소프트웨어를 배운다. 마지막으로는 실제 센서를 함께 구동하고 직접 데이터를 취득한 후, 수업에서 학습한 머신러닝 알고리즘을 적용해보기 위한 실습을 수행한다.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.