최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
Norazlina Hashim, Kamal Yusoh
2015 / Macromolecular Research
이상열, 성지민, 김선희, 조인경, 이상은, 장혁재
2021 / Diabetes and Metabolism Journal
데이터가 존재하지 않습니다.
loading...
본 연구는 한국인 코호트를 기반으로 딥러닝(RNN-LSTM) 모델을 사용하여 제2형 당뇨병 예측 모델을 개발하고 검증했습니다. 개발된 딥러닝 모델은 기존 Cox 모델보다 우수한 예측 성능을 보였으며, 두 모델에서 도출된 당뇨병 위험 요인은 유사했습니다.
The analysis of stochastic processes using GLIM
Interviewing and Diagnostic Exercises for Clinical and Counseling Skills Building
Animal models in diabetes research
상담 및 심리치료 사례개념화 : DSM-5 진단기준 기반
Database Systems for Advanced Applications : 24th International Conference, DASFAA 2019, Chiang Mai, Thailand, April 22–25, 2019, Proceedings, Part II
Disease Modelling and Public Health.
Social media analytics for user behavior modeling : a task heterogeneity perspective
Nutritional genomics : discovering the path to personalized nutrition
Artificial Intelligence Applications and Innovations : 17th IFIP WG 12.5 International Conference, AIAI 2021, Hersonissos, Crete, Greece, June 25–27, 2021, Proceedings
Computer and information science
Modelling survival data in medical research
(헬스케어 분석을 위한) 머신러닝 : 파이썬, 주피터 노트북, 텐서플로, 케라스를 이용한 적용 사례
건강검진의 비용-효과분석 : 제2형 당뇨 건강검진 중심으로
Peer-to-peer music download vs. digital music services : a study of consumption and usage behavior with modified theory of planned behavior
(누구나 쉽고 재미있게 만드는) 예측모형 : 쉽게 따라하는 예측·진단모형 만들기
Numerical methods for nonlinear estimating equations
Genomics and proteomics in nutrition
Data analysis using hierarchical generalized linear models with R
Diabetes and Metabolism Journal
Rhee S.Y.,Sung J.M.,Kim S.,Cho I.J.,Lee S.E.,Chang H.J.International ophthalmology
Kim HK; Lee W; Ryu IH; Kim JK; Kim H; Yoo TKYonsei Medical Journal
Choi, Byoung Geol; Rha, Seung-Woon; Kim, Suhng Wook; Kang, Jun Hyuk; Park, Ji Young; Noh, Yung-KyunJournal of Diabetes
Zheng J.,Shen S.,Xu H.,Zhao Y.,Hu Y.,Xing Y.,Song Y.,Wu X.Primary care diabetes
Kim SH; Lee ES; Yoo J; Kim YJournal of diabetes and its complications
Wan EYF; Fong DYT; Fung CSC; Yu EYT; Chin WY; Chan AKC; Lam CLKAmerican Journal of Kidney Diseases
Kang, Min Woo||Oh, Jae-ik||Lee, Jinsun||Kim, Minsang||Koh, Jung Hun||Cho, Jeong Min||Kim, Seong Geun||Cho, Semin||Lee, Soojin||Kim, Yaerim||Kim, Dong Ki||Han, Kyungdo||Park, SehoonJMIR Medical Informatics
Zhang L.,Shang X.,Sreedharan S.,Yan X.,Liu J.,Keel S.,Wu J.,Peng W.,He M.Endocrinology and Metabolism
최종한, 송기호, 서기현, 김경민International Journal of Diabetes in Developing Countries: Incorporating Diabetes Bulletin
Chen, Xiaohuan; Shi, Jiacheng; Hu, Yulan; Ma, Huanhuan; Jiang, Zhonghua; Lou, BoQJM : monthly journal of the Association of Physicians
Chen CH; Lin CL; Hsu CY; Kao CHJournal of Translational Medicine
Dong Z.,Wang Q.,Ke Y.,Zhang W.,Hong Q.,Liu C.,Liu X.,Yang J.,Xi Y.,Shi J.,Zhang L.,Zheng Y.,Lv Q.,Wang Y.,Wu J.,Sun X.,Cai G.,Qiao S.,Yin C.,Su S.,Chen X.Primary care diabetes
Cho AR; Lee JH; Lee HS; Lee YJAnnals of Translational Medicine
Kim, Hye Jun; Lim, Yohwan; Yoon, Sung Soo; Lee, Sang Jun; Lee, Myeong Hoon; Park, Hyewon; Park, Sun Jae; Jeong, Seogsong; Han, Hyun WookEPMA Journal
Wang K.,Gong M.,Xie S.,Zhang M.,Zheng H.,Zhao X.F.,Liu C.Diabetes and Metabolism Journal
백종하, 박용문, Han KyungEuropean Heart Journal
Berkelmans G.F.N.,Gudbjörnsdottir S.,Visseren F.L.J.,Wild S.H.,Franzen S.,Chalmers J.,Davis B.R.,Poulter N.R.,Spijkerman A.M.,Woodward M.,Pressel S.L.,Gupta A.K.,Van Der Schouw Y.T.,Svensson A.M.,Van Der Graaf Y.,Read S.H.,Eliasson B.,Dorresteijn J.A.N.Diabetes and Metabolism Journal
YingJournal of Korean Medical Science
Hye Ah Lee, 박혜숙, Young Sun HongJOURNAL OF MEDICAL INTERNET RESEARCH
Sang, Hyunji; Lee, Hojae; Park, Jaeyu; Kim, Sunyoung; Woo, Ho Geol; Koyanagi, Ai; Smith, Lee; Lee, Sihoon; Hwang, You-Cheol; Park, Tae Sun; Lim, Hyunjung; Yon, Dong Keon; Rhee, Sang Youl전선 / 학사
본 과목에서는 약물 용량과 시간-혈중농도 관계를 해석하고 환자 개별적인 임상적 특성을 고려하여 효과를 최대화하고 부작용을 최소화하기 위한 최적의 약물용량 결정을 위해 임상 약동학, 약력학적인 활용을 배운다. 약물의 분포용적에 대한 이해로 목표 농도 도달을 위한 부하용량과 적정농도 유지를 위한 유지용량을 산출하고, 소실 반감기를 계산하여 투여간격을 결정하는 방법을 함양토록 한다. 치료영역이 좁은 약물을 투여받는 환자, 소아, 신부전 및 간부전 환자 등 취약계층 환자의 약동학적 파라미터 및 혈중농도 모니터링을 통해 의료진에게 최적의 용량 및 투여간격을 제안할 수 있도록 환자의 임상약동학적 상태에 따른 약물요법을 관리하는 과정 전반에 대해 학습한다. 임상현장에서 TDM이 실제로 적용되고 있는 aminoglycosides, warfarin, carbamazepine, phenobarbital, phenytoin, valproic acid, vancomycin, digoxin의 약물에 대하여 임상약동학의 지식에 기반하여 사례중심의 problem-based learning (PBL) 학습방법으로 TDM 수행과정을 실습한다.전필 / 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
중추신경계 질환, 심혈관계 질환, 호흡기계 질환, 소화기질환, 신질환, 감염, 내분비 질환, 알레르기 질환 등 다양한 질환군에서 사용하는 약물들의 임상약리학적 원리를 이해하고, 이를 임상적으로 적정약물요법에 활용할 수 있는 방법론을 연구한다.전필 / 학사
본 강의는 데이터과학의 방법을 사회 자료 통계 분석에 이용하는 능력을 갖출 수 있도록 한다. 기술 및 추론 통계의 기본 방법론을 사회학 연구 설계와 경험 분석의 관점에서 다루고, 프로그래밍 언어 습득을 통해 자료 시각화와 통계 분석을 수행할 수 있는 능력을 함양시킨다.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
최근 보건 분야에서도, 제약 산업의 신약 개발 프로세스와 바이오인포메틱스 산업군에 대한 지식과 필요성이 그 어느 때보다 높아 임상 디자인과 관련되는 통계 방법에 대한 필요성이 증대되고 있다. 이에 임상시험 관련 내용과 이를 위한 통계분석 기법에 대한 강의를 개설하고자 한다. 본 강의는 보건대학원 학생들을 위해 전통적인 통계학의 방법을 바탕으로 해서 실제 임상 업무 현장에서 이슈가 되고 있는 통계적 주제에 대해서 다루는 강의이다. 강의 주제는 크게 3개의 주제로 나뉘며 1) 전통적인 통계학 내용에 대한 간략한 소개 2) 임상시험 전반과 그 디자인에 대한 내용 3) 보건의료 산업현장에서 이슈가 되고 있는 실무적인 내용에 대한 개론 이 그 3개의 주제이다.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 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
본 교과목은 단순히 기존의 가속기를 활용하는 수준을 넘어, 차세대 AI 반도체 분야의 창업 및 핵심 개발에 필요한 맞춤형 AI 추론 엔진 개발 능력을 배양하는 것을 목표로 한다. 이를 위해 최첨단 설계 방법론인‘알고리즘-소프트웨어-하드웨어 통합 설계(Co-design)'에 대한 깊이 있는 이론과 실전 경험을 제공한다. 수강생들은 GPU와 같은 범용 하드웨어의 한계를 이해하고, 특정 LLM 알고리즘에 최적화된 하드웨어를 직접 설계함으로써 전력, 비용, 속도 측면에서 압도적인 경쟁력을 갖춘 엣지 AI 솔루션을 구현하는 방법을 학습한다. 특히, 최신 경량화 기술인 저비트 양자화(Low-bit Quantization) 기법을 알고리즘 단계에서 적용하고, 이를 C++ 기반의 고수준 합성(High-Level Synthesis, HLS)을 통해 FPGA 상에 하드웨어 로직으로 구현하는 전 과정을 실습한다. 최종적으로는 SoC(System on Chip) 환경에서 프로세서(PS)와 프로그래머블 로직(PL)을 연동하여 완전한 LLM 추론 가속 시스템을 구축하는 프로젝트를 통해, 아이디어를 실제 하드웨어 프로토타입으로 구현하는 역량을 완성한다.전선 / 대학원
본 교과목은 단순히 기존의 가속기를 활용하는 수준을 넘어, 차세대 AI 반도체 분야의 창업 및 핵심 개발에 필요한 맞춤형 AI 추론 엔진 개발 능력을 배양하는 것을 목표로 한다. 이를 위해 최첨단 설계 방법론인‘알고리즘-소프트웨어-하드웨어 통합 설계(Co-design)'에 대한 깊이 있는 이론과 실전 경험을 제공한다. 수강생들은 GPU와 같은 범용 하드웨어의 한계를 이해하고, 특정 LLM 알고리즘에 최적화된 하드웨어를 직접 설계함으로써 전력, 비용, 속도 측면에서 압도적인 경쟁력을 갖춘 엣지 AI 솔루션을 구현하는 방법을 학습한다. 특히, 최신 경량화 기술인 저비트 양자화(Low-bit Quantization) 기법을 알고리즘 단계에서 적용하고, 이를 C++ 기반의 고수준 합성(High-Level Synthesis, HLS)을 통해 FPGA 상에 하드웨어 로직으로 구현하는 전 과정을 실습한다. 최종적으로는 SoC(System on Chip) 환경에서 프로세서(PS)와 프로그래머블 로직(PL)을 연동하여 완전한 LLM 추론 가속 시스템을 구축하는 프로젝트를 통해, 아이디어를 실제 하드웨어 프로토타입으로 구현하는 역량을 완성한다.전선 / 대학원
최근 보건 분야에서도, 제약 산업의 신약 개발 프로세스와 바이오인포메틱스 산업군에 대한 지식과 필요성이 그 어느 때 보다 높아 임상 디자인과 관련되는 통계 방법에 대한 필요성이 증대되고 있다.이에 임상시험 관련 내용과 이를 위한 통계분석 기법에 대한 강의를 개설하고자 한다. : 본 강의는 보건대학원 학생들을 위해 전통적인 통계학의 방법 뿐만 아니라 실제 업무 현장에서 이슈가 되고 있는 통계적 주제에 대해서도 다루는 강의이다. 강의 주제는 크게 3개의 주제로 나뉘며 <1. 전통적인 통개학 개론 2. R을 이용한 추정, 검정 및 기술 통계적 내용에 대한 구현 3. 보건의료 산업현장에서 이슈가 되고 있는 실무적인 내용에 대한 개론>이 그 3개의 주제이다.전선 / 학사
빅데이터는 실세계에서 일어나는 복잡한 문제를 해결하기 위한 통찰력을 제공한다. 이 과목은 빅데이터를 소개하며, 데이터 가공, 분석 및 시각화를 위한 프로그래밍 언어 (Python), 데이터 분석을 위한 통계 및 머신러닝 방법 등을 가르친다. 실습 및 프로젝트를 통해서 학생들이 실제 데이터를 분석할 수 있는 능력을 배양한다. 데이터 중심의 컴퓨팅, 정량적 사고와 추론, 탐색적 데이터 분석에 대한 강조를 통해 이 과목에서는 데이터 과학의 핵심 원리와 기술을 다룰 것이다.전선 / 학사
연구실에서의 연구참여 활동을 통하여 전공 지식을 심화 학습한다. 각자가 원하는 연구에 참여하며 그 연구에 대한 직접적인 경험을 갖는다.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
한국인의 주요 사망원인인 NCD 및 관련 위험인자들에 대해서 국가 및 지역사회 일차의료 환경에서 어떻게 그 실태의 조사, 평가, 관리대책 수립, 이행을 체계적으로 할지 배우는 과정이다. 구체적인 학습목표는 다음과 같다. 첫째, NCD가 세계/우리나라/지역사회에서 차지하는 보건의료학적 측면에서의 중요성을 배운다. 둘째, NCD의 발생과 연관된 공통 위험인자들의 종류 및 현황에 대해서 이해하고 이의 임상적인 측면에서의 관리/치료에 대해서 이해한다. 셋째, NCD를 예방하고 관리할 수 있는 지역사회 체계를 수립하고 집행하고 평가하는 구체적인 방법에 대해서 배운다.전선 / 대학원
노벨상을 수상한 AlphaFold는 통계 물리 이론에 기반한 확산(Diffusion) 기반 생성 모델을 활용하여 개발되었으며, 이는 최신 의료 인공지능 기술이 고급 확률 모델과 생성・추론 이론에 근거하고 있음을 시사합니다. 본 강의에서는 확산 기반 생성 모델(Diffusion Models)과 그 응용 기법을 포함한 최신 생성 및 추론 인공지능 모델의 핵심 이론을 확률론적 관점에서 체계적으로 탐구합니다. 특히, 확산 모델, 최적 확률 경로, 확률적 보간, 흐름 기반 모델 등의 최신 이론 기반 생성 기법의 데이터 분포 모델링 과정과 최적의 샘플을 생성・변환・복원・추론하는 과정을 심도 있게 분석합니다. 이를 통해 수강생들은 생성 및 추론 인공지능 모델의 확률적 구조와 수학적 원리를 이해하고, 최신 확산 기반 생성 모델 및 그 변형 기법들의 결과를 이론적으로 해석할 수 있는 능력을 갖추는 것을 목표로 합니다. 또한, 이러한 생성 및 추론 모델들이 의료 및 생의학 데이터를 포함한 다양한 도메인에서 어떻게 적용될 수 있는지를 이론적 관점 외 실습적 관점에서도 조망합니다. 궁극적으로, 본 강의는 생성 및 추론 인공지능 분야에서 어떻게 핵심 이론과 의료 분야 응용을 아우르는 전문성을 함양할 수 있도록 체계적인 학습 기회를 제공하는 것을 지향합니다.전선 / 대학원
이 강좌는 석·박사 학위 논문 작성 등 교육연구에 필요한 통계적 분석에 대한 개념과 이론에 대한 폭넓은 이해를 돕고, 실제 교육연구에서 통계적 기법들을 적절히 활용할 수 있도록 하기 위한 것이다. 이를 위해 교육관련 각종 연구 자료의 특성(예: 다층 자료, 유목 자료, 연속 자료 등)에 적절한 통계적 기법들에 대한 소개와 함께 관련 컴퓨터 프로그램을 활용하여 실제로 분석할 수 있도록 하기 위한 것이다. 아울러 수강생들은 관심 있는 교육관련 자료를 분석하고 그 결과를 수업시간에 보고하는 기회를 가지게 될 것이다.전선 / 대학원
프로그램평가 방법론(program evaluation methods)은 대표적으로 RCT (Randomized Controlled Trial), RD (Regression Discontinuity), DID (Difference-in-Differences), IV (Instrumental Variable approach), Matching 등의 (준)실험설계 방법을 포함하며 대상자의 선택편의(selection bias) 등 편향을 통제한 정책 및 중재의 영향을 파악하는데 보건학 내·외에서 광범위하게 활용되고 있다. 이 수업은 특히 보건정책 분석과 관련이 있는 프로그램평가 방법론 위주로 이론적 개요를 제공하고 이중차이모형(DID)을 중심으로 STATA 등 통계패키지를 이용한 실습을 수행하여 수강생이 직접 보건정책 및 중재의 영향을 분석하고 결과를 도출하는 기회를 제공하는 것을 목표로 한다. 선수과목으로 보건통계학개론, 보건경제학원론, 보건의료의 계량경제분석(I) 등에 대한 학습이 요구되며 STATA 통계패키지에 대한 기본적인 이해가 필요하다.전선 / 학사
이 과목에서는 데이터를 분석하여 유용한 정보를 추출하고 모델을 만들어 예측에 사용하는 데이터 마이닝의 중요한 알고리즘, 기반 기술, 대용량 데이터를 효과적으로 처리하는 마이닝 기술 등을 학습한다. 특히 이러한 목적을 위한 기계 학습의 실용적인 기초와 새로운 패러다임을 소개하여 여러 실제 세계 도메인 응용에 어떻게 적용하는지 학습한다.전선 / 대학원
기술역학연구에 활용할 수 있는 자료원을 파악하고 사망률, 발생률, 유병률을 표준화, 경향성 분석, age-period-cohort modeling 등의 방법을 사용하여 자료를 해석하고 가설을 설정하는 과정을 학습한다. 기여위험도 및 기여위험분율 산출을 위한 관련성 지표의 메타분석 방법론을 학습한다.