최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 연구는 딥 컨볼루션 신경망을 이용하여 골 연령을 예측하는 방법을 제안합니다. 관심 영역을 자동으로 식별하고 잘라내어 회귀 모델의 입력으로 사용하며, 전신 뼈 스캔 데이터셋을 통해 실험한 결과 평균 절대 오차가 3.35년으로 나타났습니다.
노화도 설계하는 시대가 온다
Artificial intelligence and deep learning in pathology
Brocklehurst’s textbook of geriatric medicine and gerontology
Deep Learning for Medical Image Analysis
Artificial intelligence in medicine : 6th Conference on Artificial Intelligence in Medicine Europe, AIME '97, Grenoble, France, March 23-26, 1997 : proceedings
Computational intelligence in medical imaging : techniques and applications
Bone histology of fossil tetrapods : advancing methods, analysis, and interpretation
Machine learning and medical imaging
Medical image computing and computer-assisted intervention--MICCAI '98 : first international conference, Cambridge, MA, USA, October 11-13, 1998 : proceedings
Deep Learning for Biometrics
Machine learning paradigms : advances in data analytics
Information processing in medical imaging : 12th International Conference, IPMI '91, Wye, UK, July 7-12, 1991 : proceedings
실전! GAN 프로젝트 : 텐서플로와 케라스를 이용한 차세대 생성적 적대 신경망 모델 구축
Medical imaging : artificial intelligence, image recognition, and machine learning techniques
역노화 : 젊게 사는 시대가 온다
Artificial Intelligence for Healthy Longevity
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
Radiology illustrated. Pediatric radiology
Practical musculoskeletal ultrasound
멀티미디어학회논문지
Phap Do Cong Nguyen, 백으뜸, 양형정, 김수형, 강세령, 민정준FRONTIERS IN ARTIFICIAL INTELLIGENCE
Li, Zhangyong; Chen, Wang; Ju, Yang; Chen, Yong; Hou, Zhengjun; Li, Xinwei; Jiang, YuhaoEngineering Applications of Artificial Intelligence
Kasani A.A.,Sajedi H.IEEE Transactions on Instrumentation and Measurement
Li X.,Jiang Y.,Liu Y.,Zhang J.,Yin S.,Luo H.IEEE Access
Li K.,Zhang J.,Sun Y.,Huang X.,Sun C.,Xie Q.,Cong S.Future Generation Computer Systems
Liang B.,Zhai Y.,Tong C.,Zhao J.,Li J.,He X.,Ma Q.Computers, Materials and Continua
Duhayyim M.A.,Malibari A.A.,Obayya M.,Nour M.K.,Salama A.S.,Eldesouki M.I.,Zamani A.S.,Rizwanullah M.JMIR Medical Informatics
Dallora A.L.,Berglund J.S.,Brogren M.,Kvist O.,Ruiz S.D.,Dübbel A.,Anderberg P.Korean Institute of Smart Media
Yang, Hyung-Jeong; Kim, Soo-Hyung; Sae-Ryung Kang; Min Jung Joon; Thanh-Cong Do; Lee, GueeSangMedical image analysis
Spampinato C; Palazzo S; Giordano D; Aldinucci M; Leonardi RSystems Science and Control Engineering
Mao K.,Lu W.,Wu K.,Mao J.,Dai G.Journal of dental sciences
Seo H; Hwang J; Jung YH; Lee E; Nam OH; Shin JComputer Methods and Programs in Biomedicine
Han Y.,Wang G.Biomedical Engineering Letters
Lee J.H.,Kim Y.J.,Kim K.G.Systems Science and Control Engineering
Chen K.,Wu J.,Mao Y.,Lu W.,Mao K.,He W.International Journal of Legal Medicine
Mauer M.A.d.,Well E.J.v.,Herrmann J.,Groth M.,Morlock M.M.,Maas R.,Säring D.ALEXANDRIA ENGINEERING JOURNAL
Bilal, Hazrat; Tian, Yibin; Ullah, Inam; Garg, Sahil; Choi, Bong Jun; Hassan, Mohammad MehediIEEE Transactions on Instrumentation and Measurement
Xiang Li; Yuchen Jiang; Yiliu Liu; Jiusi Zhang; Shen Yin; Hao LuoHealthcare Informatics Research
이장형, 김광기IEEE ACCESS
He, Jin; Jiang, Dan전선 / 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
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 / 학사
연구실에서의 연구참여 활동을 통하여 전공 지식을 심화 학습한다. 각자가 원하는 연구에 참여하며 그 연구에 대한 직접적인 경험을 갖는다.전선 / 대학원
치의학 분야의 연구에서 다양하게 활용되는 실험동물 모델을 소개하고, 실험 결과 분석을 위한 동물조직의 채취, 처리, 면역조직화학염색, 평가, 조직판독의 방법을 학습한다. 또한, 치과질환 관련 실험동물 모델의 최신 동향을 저널 리뷰를 통해 살펴보고자 한다.전필 / 대학원
노인에게 빈번하게 발생하는 구강질환들의 원인, 발생기전, 현미경적 소견 및 예후 등에 대하여 다룬다. 또한 연령증가로 인해 치수의 calcific metamorphosis가 진행되어 발생하는 근관형태의 변화와 이에 따른 근관치료 방법과 구동형 현미경의 사용방법에 관하여 학습한다. 아울러 악안면 및 구강내 질환을 가진 환자의 영양관리에 대한 이론적 근거와 임상에서 실제로 응용할 수 있는 내용을 임상 각과별로 검토하고자 한다.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
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.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
이 과목은 보건의료 영역에서 컴퓨터를 활용한 텍스트 분석을 다룬다. 보건의료 영역에는 여러 종류의 언어 자료가 존재한다. 사람들이 온라인 공간에서 여러 질병에 대해 던지는 질문들, 보건의료 전문가들의 연구들, 질병과 건강에 대한 신문기사들이 그 예다. 이들로부터 정보를 체계적이고 과학적으로 추출할 수 있다면, 보건의료에서 다양한 방식으로 활용할 수 있다. 최근 많이 사용되고 있는 컴퓨터를 활용한 텍스트 분석은 이런 작업에 새로운 가능성을 제시한다. 본 과목에서는 여러 가지 컴퓨터를 활용한 텍스트 분석 방법을 학습하고, 보건의료 영역 자료에 적용하는 것을 실습한다.전선 / 대학원
근골격계 질환의 영상진단을 위한 관절과 척추를 포함한 근골격계의 영상 해부학을 이해하고, 질환과 외상에 의한 단순 X선 촬영, 자기공명영상, 초음파 검사의 방법과 소견을 익히고, 뼈의 조직생검을 포함한 중재적 시술의 적용을 소개한다.전선 / 대학원
최근 노인 인구의 증가로 이들 인구에서 정형외과 질환의 부담이 증가하면서 이들 환자에 대한 근골격계 질환에 대한 관심이 증가하고 있다. 노인의 경우 노화로 인한 골다공증과 근감소증이 발생하게 되고 이로 인해 젊은 성인과는 다른 질환 양상을 보이게 된다. 따라서 노인에서의 정형외과 질환을 치료하기 위해서는 노인에서의 근골격계의 변화에 대해서 이해하고 잘 숙지하고 있어야 한다. 노인에서의 대표적인 근골격계 질환으로는 퇴행성 관절염등이 있으며 골다공증성 골절 등의 취약 골절이 있으며 이를 치료하기 위한 여러 정형외과 수술이 발전하고 있다. 노인에서의 정형외과적 질환을 치료하기 위해서는 이러한 여러 수술법의 장단점에 대해서 논할 수 있어야하고 여러 수술법 중 최적의 수술법을 선택하여 적용할 수 있어야 한다. 또한, 노인에서 발생 가능한 술 후 합병증에 대해 이해하고 이들을 적절히 치료할 수 있는 기본 지식도 숙지하고 있어야 한다. 본 과목의 목표는 앞서 언급된 노인에서의 정형외과적 질환을 치료하기 위한 여러 수술과 관련된 모든 학습 요소들을 충분히 이해하여 노인 환자에게 최적의 치료를 제공할 수 있는 능력을 갖추는 것이다.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 / 학사
전생애발달의 입장에서 성인 및 노년기의 발달이론과 연구방법을 학습하고, 이 시기의 특징적 사회심리학적 발달과정을 고찰한다. 또한, 중·노년기의 생리적, 심리적, 사회적 변화와 개인을 둘러싼 사회적 환경 간의 상호작용에 대하여 학습하고, 건강한 성인발달과 노년기의 성공적인 적응과정에 대한 이해를 높이도록 한다.전선 / 학사
이 수업에서는 우리 인간의 몸의 구조와 기능에 대하여 빅데이터에 기반한 생성형 AI를 활용한 질문과 응답 형태의 학습을 활용하고, 동시에 전통적 교과서와의 비교 검증을 통해 오류와 편향성을 극복한다. 또한 인문사회학과 예술의 관점에서도 접근하여 다양한 전공자들에게 우리 몸에 대한 지식습득을 쉽게 경험할 수 있는 기회를 제공한다. 본 수업에서는 머리 및 목 부분을 중점적으로 다룬다.전선 / 학사
의학에 성공적으로 응용된 수학에 대하여 학습한다. 뇌영상과 연결체학의 최신 발견에 도입된 위상수학과 기하, 빅데이터를 처리하는 기본 골격으로 제안된 위상수학데이터분석과 다중비교통계 고차원 데이터해석, 임상시험에 쓰이는 베이지안 의사결정, 생체신호를 처리하는데 쓰이는 푸리에/웨이블렛, 영상 재구성과 분석에 이미 성공적으로 쓰이는 라돈 transform과 PDE, 뇌네트워크와 유전체네트워크 분석에 쓰인 그래프이론, PCA/ICA 등을 예시로, ‘생명과학을 위한 수학의 기본’에 이어 수학 응용이 임상의학의 현재 문제를 해석하는데 어떻게 기여할 수 있을지를 개관하여 통찰하도록 학습유도한다. 수학을 의학에 응용할 때 개념과 관점을 어떻게 처리하여 문제를 구성하고 해결할 수 있을지 채득하게 하는 것을 목표로 한다.전선 / 대학원
AI와 빅데이터는 안과 영역에서 기초 및 임상 연구를 너머 실제 임상현장에도 큰 영향을 미치고 있다. 안과 영역에서 빅데이터를 이용한 연구들의 방법론과 실제 연구들을 살펴보고 최신 연구 동향을 알아보고자 한다. 최근 transformer의 발전에 이어 foundation model의 보급, 그리고 이를 바탕으로한 Large Language Model들의 성능이 향상되면서, 이를 안과를 포함한 의료 영역에 적용하는 다양한 연구들과 실제 사용례들이 늘어나고 있다. 이에 대해 살펴보고 실제 연구와 임상현장에 적용되는 경우를 알아보도록 하겠다. 이 강좌를 통해서 학생들은 안과 영역의 AI와 빅데이터의 활용에 대한 최신 지견을 배울 수 있다.전선 / 대학원
스마트시티는 다양한 기관 및 시설로부터 수집된 데이터를 활용하여 실시간 변화를 예측하고 효율적으로 도시 서비스를 제공하는 미래형 도시모델이다. 또한 빅데이터 분석은 방대한 데이터 속에서 신속하게 패턴을 인식하고 새로운 가치를 찾아내는 과정으로써 스마트시티 계획 및 운영에 반드시 필요한 기술이다. 본 강의는 도시 빅데이터 분석에 필요한 지식 및 기술을 학습하는 입문과정이다. 스마트시티공학을 전공하는 학생들에게 빅데이터의 개념 및 구조를 이해하고 도시데이터 분석에 필요한 통계기법, 프로그램, 모델링 등을 학습할 수 있는 기회를 제공함으로써 미래도시 고도화 기반을 마련하고 지능형 도시에 최적화된 전문가를 육성하고자 한다.전선 / 대학원
융합 연구는 다양한 기술 분야를 통합하는 연구로 사회적으로 어려운 문제를 극복하기 위한 방안으로 주목받고 있다. 의학 분야에 있어서도 다양한 학문 및 기술을 접목한 임상 연구가 요구되며 이를 통해 해결하기 어려운 질병의 극복과 삶의 질 개선이 기대되고 있다. 이 교과목에서는 인공지능, 빅데이터, 정보통신, 나노, 유전체, 재생의학 등 다양한 분야의 최신 기술을 활용한 임상 연구 경향을 파악하고 이에 맞추어 혁신적인 임상 연구 전략을 수립하여 융합적으로 연구를 설계하고 수행할 수 있는 최고의 연구능력을 시행할 수 있는 교육을 제공한다.전선 / 대학원
본 교과목에서는 기계학습을 활용하여 생체신호 데이터를 분석하고 이를 질병의 진단과 예측에 적용하는 것을 학습 목표로 삼는다. ECG(electrocardiography), EEG(electroencephalography) 등의 전기 생체신호 뿐만 아니라 심폐음, 호흡음, 음성 등의 음향학적 신호 등 사람의 몸에서 획득할 수 있는 다양한 생체신호 데이터를 이해하고, 기계학습 알고리즘을 활용하여 이를 분석하고 나아가 질병을 진단/예측할 수 있는 모델을 구축하는 것을 구체적인 학습 목표로 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.