최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 논문은 의료 영상 분석 분야에서 인공지능 기술의 활용 동향을 문헌 검토를 통해 분석합니다. AI는 분류, 국소화, 질병 탐지 및 분할 등에 활용되며, 기계학습에서 심층학습으로의 전환이 나타나고 있습니다. AI를 의료에 적용하기 위해서는 의사의 해석 및 분석 능력 향상을 위한 교육 및 커리큘럼 개정이 필요합니다.
AI-메타버스 융합의 기회
Artificial intelligence and deep learning in pathology
Artificial Intelligence for Business : An Implementation Guide Containing Practical and Industry-Specific Case Studies
Image analysis and recognition : 14th International Conference, ICIAR 2017, Montreal, QC, Canada, July 5-7, 2017, Proceedings
Deep Learning for Medical Image Analysis
Medical imaging : artificial intelligence, image recognition, and machine learning techniques
Artificial intelligence for drug development, precision medicine, and healthcare
닥터, 코드를 만나다
Machine learning and data mining in pattern recognition : first international workshop, MLDM'99, Leipzig, Germany, September 16-18, 1999 : proceedings
AI 의료의 미래 : 튜링을 만난 히포크라테스
Machine learning in computer-aided diagnosis : medical imaging intelligence and analysis
Data analytics in bioinformatics : a machine learning perspective
STATA로 배우는 경제경영통계학
Intelligence-based medicine : artificial intelligence and human cognition in clinical medicine and healthcare
AI와 재활
AI와 의료 임상
Machine learning paradigms : advances in data analytics
AI와 의료 임상
인공지능과 신약 개발
Machine learning and medical imaging
Journal of Medical and Biological Engineering
Li, Xin; Zhang, Lei; Yang, Jingsi; Teng, FeiBRITISH MEDICAL BULLETIN
Aung, Yuri Y. M.; Wong, David C. S.; Ting, Daniel S. W.Computer Methods and Programs in Biomedicine Update
Khalifa, Mohamed; Albadawy, MonaCurrent hematologic malignancy reports
Radakovich N; Nagy M; Nazha AELECTRONICS
Galic, Irena; Habijan, Marija; Leventic, Hrvoje; Romic, KresimirFuture Generation Computer Systems
Wong K.K.L.,Fortino G.,Abbott D.The ocular surface
Storås AM; Strümke I; Riegler MA; Grauslund J; Hammer HL; Yazidi A; Halvorsen P; Gundersen KG; Utheim TP; Jackson CJMINIMALLY INVASIVE THERAPY & ALLIED TECHNOLOGIES
Mintz, Yoav; Brodie, RonitPUBLIC HEALTH NURSING
Dangi, Ravi Rai; Sharma, Anil; Vageriya, VipinJOURNAL OF IMAGING
Ali, Muhammad; Benfante, Viviana; Basirinia, Ghazal; Alongi, Pierpaolo; Sperandeo, Alessandro; Quattrocchi, Alberto; Giannone, Antonino Giulio; Cabibi, Daniela; Yezzi, Anthony; Di Raimondo, Domenico; Tuttolomondo, Antonino; Comelli, AlbertCOMPUTERS IN BIOLOGY AND MEDICINE
Hossain, Elias; Rana, Rajib; Higgins, Niall; Soar, Jeffrey; Barua, Prabal Datta; Pisani, Anthony R.; Turner, KathrynInternational Journal of Information Technology (Singapore)
Rajyaguru V.,Vithalani C.,Thanki R.EUROPEAN RADIOLOGY
Savadjiev, Peter; Chong, Jaron; Dohan, Anthony; Vakalopoulou, Maria; Reinhold, Caroline; Paragios, Nikos; Gallix, BenoitJournal of Intelligent and Fuzzy Systems
Premananthan G.,Nagaraj B.,Jaya J.Surgical infections
Byerly S; Maurer LR; Mantero A; Naar L; An G; Kaafarani HMAShen, D.; Wu, G.; Suk, H.-I.
Epilepsy currents
Cendes F; McDonald CRArtificial Intelligence Review
Omar Abdullah Murshed Farhan Alnaggar; Basavaraj N. Jagadale; Mufeed Ahmed Naji Saif; Osamah A. M. Ghaleb; Ammar A. Q. Ahmed; Hesham Abdo Ahmed Aqlan; Hasib Daowd Esmail Al-ArikiNature Reviews Cancer
Ahmed Hosny; Hugo J.W.L. Aerts; Chintan Parmar; John Quackenbush; Lawrence H. SchwartzJournal of cancer research and clinical oncology
Rösler W; Altenbuchinger M; Baeßler B; Beissbarth T; Beutel G; Bock R; von Bubnoff N; Eckardt JN; Foersch S; Loeffler CML; Middeke JM; Mueller ML; Oellerich T; Risse B; Scherag A; Schliemann C; Scholz M; Spang R; Thielscher C; Tsoukakis I; Kather JN전선 / 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
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
최근 인공지능(AI) 기술의 급격한 발전과 함께 다양한 산업에서 AI의 활용이 확산되고 있으며, 보건의료 분야 또한 예외가 아니다. 보건의료 분야에 있어서도 AI는 의료 서비스 혁신을 촉진하고 국민 건강 증진을 위한 핵심 기술로 주목받고 있다. 본 교과목에서는 보건의료 분야에서 AI의 적용 현황과 발전 동향을 분석하고, 간호 과정에서 AI를 효과적으로 도입하기 위한 접근 방안을 탐구한다. 특히, 간호 문제의 발견, 해결책 설계, 성과 평가 등 전 과정에서 요구되는 핵심 역량을 습득하고, 관련 법ᄋ규제 및 윤리적 쟁점에 대한 심층적 논의를 진행한다. 아울러, 본 교과목은 사례 연구 및 실습 중심의 프로젝트를 포함하여, AI 기법을 활용한 간호 문제 해결 방안을 직접 적용하고 평가하는 경험을 제공한다. 이를 통해 AI 기반 간호 혁신을 위한 실무적 역량을 강화하고, 간호 과정의 질적 향상을 도모하는데 필요한 지식을 습득한다.전선 / 대학원
임상서식 및 의학 문헌에서의 정보추출을 위한 다양한 알고리즘과 이론에 대해 학습한다. 특히 자연어처리 분야의 기존 연구들을 기반으로 의학 분야에서 자연어처리 기술이 적용될 수 있는 사례들을 개발하고, 실제 프로젝트를 통해 새로운 적용 분야들에 대해 연구하게 된다.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.대학원 / 대학원
연구 수행에서 문헌고찰은 가장 기초가 되는 탐색행위이다. 문헌고찰의 여러 방법 중 근거 통합의 가장 상위단계인 체계적 문헌고찰 방법과 정량적 결과를 통합하는 메타분석에 대해 배우고 이를 실제 적용하여 한 학기 동안 논문으로 완성해 볼 수 있는 시간을 갖도록 한다. 이 수업을 통해 학생들은 가장 최신의 체계적 문헌고찰 방법론을 배우고 나아가 상황에 따라 메타분석이 필요할 경우 시행해 볼 수 있을 것이다. 덧붙여 최신 AI 기술을 활용한 문헌의 검색·정리·인용을 통해 더 쉽고 빠르고 정확하게 체계적 문헌고찰을 수행할 수 있는 방법을 배울 수 있다.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
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 / 학사
연구실에서의 연구참여 활동을 통하여 전공 지식을 심화 학습한다. 각자가 원하는 연구에 참여하며 그 연구에 대한 직접적인 경험을 갖는다.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
최근 기계 학습 방법론은 보건학에서 큰 인기를 얻고 있다. 본 과목은 보건학 데이터를 분석하기 위한 기계 학습 방법론의 다양한 측면에 대해 실질적인 지식과 이해를 제공하는 것을 목적으로 한다. 이 과목은 보건학 분야에서의 학생 및 연구자를 돕기 위해 기계 학습 방법론의 개념과 기법에 대해 다룬다. 군집, 차원축소, 분류, 의사결정나무, 신경망 모형 등을 보건학의 문맥에서 다루게 된다.전선 / 대학원
다양한 종류의 의료 및 생명 분야 빅데이터가 생성되어 축적되고 있는 상황이다. 의료 분야 빅데이터는 기본적인 전자의무기록 외에도 이미지, 생체신호, 텍스트 등의 다양한 비정형 데이터를 포함하게 되었으며, 생명 분야 빅데이터는 차세대시퀀싱 기법의 발전으로 말미암아 유전체, 전사체, 후성유전체 등의 다양한 오믹스 데이터를 포함하게 되었다. 또한 이러한 빅데이터의 생성 및 축적과 더불어 인공지능 기법을 적용하여 기존에는 다루지 못했던 새로운 문제를 정의하고 보다 깊이 있는 빅데이터 분석을 시도하는 연구들이 등장하게 되었다. 본 강좌에서는 의료 및 생명 분야의 다양한 빅데이터를 소개하고 해당 데이터를 다룰 수 있는 인공지능 분석 기법들을 소개함으로써 최신의 의생명 빅데이터 관련 인공지능 연구를 배울 수 있도록 한다.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
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
지능 시스템은 환경과 상호작용하고 성능을 극대화하는 방법이다. 지식 표현과 추론은 논리적 지식 표현, 판단 계산, 술어 계산, 상황 계산, 지식 표현 구축 등과 함께 지능 시스템의 중요한 측면이며, 불확실성을 해결하기 위한 방법으로 확률과 확률 네트워크, 퍼지 논리와 같은 기법을 사용한다. 계획과 학습 역시 지능 시스템의 중요한 구성 요소로서, 목표 달성을 위해 필요한 행동 순서를 결정하고 시간이 지남에 따라 성능을 개선할 수 있도록 한다. 본 강좌에서는 지능시스템을 이해하고 활용할 수 있는 기초 지식을 쌓는다.전선 / 학사
최근의 의학은 이전의 bio(분자생물학, 줄기세포, 재생의학 등 실제 실험실에서의 실험 연구 등) 중심에서 data science 중심으로 급격히 변화가 일어나고 있는 것은 누구나 다 인지하고 있는 사실이다. 소위 제4차 산업혁명이라고 불리어지는 영역이기도 하다. 이에 의학 및 실제 임상에서 이러한 분야의 발전과 변화가 어떤 영향을 미치고 있는지, 어떻게 활용하여야 하는지에 대한 관심은 매우 높다고 할 수 있다. 의학도로 막 입문한 의예과 학생들이 이러한 디지털 데이터 의학이라는 학문에 조기에 접하고 경험함으로써, 더욱 발전적인 미래를 기대할 수 있을 것이다.전선 / 대학원
정밀의료와 헬스케어는 의료정보의 축적과 인공지능 활용을 통한 미래의료의 핵심요소이다. 이 강의는 발전하는 생명과학기술을 이용한 다양한 정밀의료와 헬스케어 기술에 대해 소개한다. 유전체를 포함한 멀티오믹스, 의료 영상, 인공지능, 디지털 헬스케어 등 정밀의료와 헬스케어의 여러 국면을 살펴봄으로써 정밀의료에 대한 이해를 높이고 앞으로 헬스케어융합학을 전공하고자 하는 학생들에게 정밀의료의 기초지식과 전망을 제시한다.전선 / 대학원
인공지능 알고리즘은 현재 물체인식, 음성인식, 번역 등 많은 분야에서 그 응용을 넓혀가고 있다. 최근 가장 우수한 성능을 보이는 신경망 알고리즘은 매우 많은 계산을 필요로 한다. 본 과목에서는 인공지능 알고리즘을 실제 시스템에서 구현하는 방법을 다룬다. 이를 위해서는 인공지능 알고리즘 수준에서의 최적화와 더불어 시스템 구현에 대한 이해가 필요하다. 대상 시스템으로 고성능 GPU 뿐만 아니라 내장형 시스템 또는 하드웨어를 이용한 구현을 다룬다. 본 과목에서는 전반부에서 인공지능 알고리즘을 다루고 후반부에서 시스템 구현 및 최적화를 다룬다.전선 / 대학원
전자의무기록, 소셜 미디어, 건강보험자 등 여러 자료원으로 부터 많은 양의 정형, 비정형 보건의료데이터가 생성되고 있다. 이런 데이터에서 얻은 정보와 지식은 보건의료서비스전달체계를 향상하고 의료비를 줄이는 데 활용할 수 있다. 보건의료분야에서 생성되는 데이터는 용량이 크고 복잡하여 분석하는 것도 쉽지 않고 그 분석결과를 임상실무에 적용하는 것 또한 쉽지 않다. 이 교과목에서는 전자의무기록, 소셜 미디어, 건강보험자 등에서 생산되는 보건의료 빅데이터의 특성과 이들 데이터를 분석하는 기법에 대해 소개한다. 본 교과목에서 데이터마이닝/기계학습, 분류등과 같은 정형데이터의 분석기법 뿐 아니라 자연어처리, 텍스트 마이닝 등 비정형데이터 분석기법을 포함한다.