최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
Advanced robotics for medical rehabilitation : current state of the art and recent advances
Machine learning and non-volatile memories
Artificial intelligence and deep learning in pathology
Dementia rehabilitation : evidence-based interventions and clinical recommendations
Machine learning in medicine
재활을 다시 생각하다
Neuroplasticity and rehabilitation
Deep learning, machine learning and IoT in biomedical and health informatics : techniques and applications
AI와 재활
치매와 인지-의사소통 : 인간 중심 재활
Automated Taxonomy Discovery and Exploration
Telerehabilitation : principles and practice
Virtual reality for physical and motor rehabilitation
Understanding of stroke mechanisms : based on the MRIA findings of clinical cases
Rehabilitation robotics : technology and application
Data science, AI, and machine learning in drug development
Introduction to cognitive rehabilitation : theory and practice
Retraining cognition : techniques and applications
Graph Representation Learning
Stability analysis and state estimation of memristive neural networks
Neuroscience
Kopalli SR; Shukla M; Jayaprakash B; Kundlas M; Srivastava A; Jagtap J; Gulati M; Chigurupati S; Ibrahim E; Khandige PS; Garcia DS; Koppula S; Gasmi A대한뇌졸중학회지
이은재, 김용환, 김남국, 강동화Investigative Magnetic Resonance Imaging
Ara Cho, LuuJournal of NeuroEngineering and Rehabilitation
Campagnini S.,Liuzzi P.,Mannini A.,Basagni B.,Macchi C.,Carrozza M.C.,Cecchi F.Topics in Stroke Rehabilitation
Luvizutto G.J.,Silva G.F.,Nascimento M.R.,Sousa Santos K.C.,Appelt P.A.,de Moura Neto E.,de Souza J.T.,Wincker F.C.,Miranda L.A.,Hamamoto Filho P.T.,de Souza L.A.P.S.,Simões R.P.,de Oliveira Vidal E.I.,Bazan R.Annals of Rehabilitation Medicine
Kim Suebeen, Kim Doo Young, Park SiJOURNAL OF NEUROENGINEERING AND REHABILITATION
Campagnini, Silvia; Arienti, Chiara; Patrini, Michele; Liuzzi, Piergiuseppe; Mannini, Andrea; Carrozza, Maria ChiaraIEEE Journal of Biomedical and Health Informatics
Gandolfi M.,Galazzo I.B.,Pavan R.G.,Cruciani F.,Vale N.,Picelli A.,Storti S.F.,Smania N.,Menegaz G.Journal of Clinical Medicine
Guo L.,Zhang B.,Wang J.,Wu Q.,Li X.,Zhou L.,Xiong D.재활치료과학
배수영, Lee, Mi Jung, 남상훈, 홍익표FRONTIERS IN NEUROLOGY
Mainali, Shraddha; Darsie, Marin E.; Smetana, Keaton S.BIOMEDICAL SIGNAL PROCESSING AND CONTROL
Boukhennoufa, Issam; Zhai, Xiaojun; Utti, Victor; Jackson, Jo; McDonald-Maier, Klaus D.대한신경과학회지
김철호뇌신경재활
김정환Annals of Rehabilitation Medicine
김상범, 이경우, 이종화, 이숙정, 박진기, 박주원Neurosurgical review
Farooqi HA; Safwan Z; Nabi RIEEE Transactions on Neural Systems and Rehabilitation Engineering
Cisek K.,Kelleher J.D.Topics in Stroke Rehabilitation
Li J.,Kwong P.W.H.,Lua E.K.,Chan M.Y.L.,Choo A.,Donnelly C.J.W.Journal of NeuroEngineering and Rehabilitation
Chen Y.W.,Lin K.c.,Li Y.c.,Lin C.J.Diagnostics
Seo, Kanghyeon; Chung, Bokjin; Panchaseelan, Hamsa Priya; Kim, Taewoo; Park, Hyejung; Oh, Byungmo; Chun, Minho; Won, Sunjae; Kim, Donkyu; Beom, Jaewon; Jeon, Doyoung; Yang, Jihoon전선 / 학사
DRAM과 NAND Flash memory 이후의 새로운 형태의 최신 메모리와 로직 반도체 소자 및 재료에 대한 기본 지식 제공을 목적으로 한다. FeRAM, MRAM, PcRAM, ReRAM 소자에 대한 새로운 지식을 제공하고 이들 소자의 궁극적 한계를 생각해본다. 또한, 논리 회로를 이루는 기본 게이트와 이들의 조합에 따른 논리 연산의 원리를 배운다. 이후 뉴로모픽 연산 및 딥러닝 시스템에 관한 기본 이해와 연산 방식에 관해 학습한다. 뉴메모리 및 로직 소자, 뉴로모픽 연산에 관한 전반적인 지식 습득과 더불어 궁극적으로 반도체 또는 고체 전자 소자가 직면하게 될 한계를 설명하고 이를 극복하기 위한 Nanoelectronics의 개념과 전개방향을 설명한다.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
구강 및 악안면 영역을 보철물로 수복시 고려할 사항과 임상과정을 각 단계별로 고찰하고 이를 임상에 응용할 수 있도록 한다. 임상에서 발생되는 다양한 증례와 문제를 살펴보고 이를 해결하기 위한 방법을 논의한다. 수복재료에 대한 전반적인 고찰과 함께 측두하악장애 등의 문제를 가진 환자의 보철수복, 고난도 증례의 치료방법, 타과와의 협진을 통한 치료등 총괄적인 접근을 통해 해결할 수 있도록 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
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
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 / 학사
통상적으로 교통운영은 교통류에 대한 충분한 이해를 바탕으로 적절한 운영 방안을 도입하여 도로교통시설의 효율을 높이는 것을 의미한다. 이를 위해 교통류에 대한 미시적‧거시적 관점, 교통량‧속도‧밀도 등 교통류 특성 간의 관계, 교통정체의 발생 및 해소 과정 등을 이해하는 것이 중요하다. 한편, 교통수단의 다변화로 인해 기존 교통운영의 대상이었던 도로교통이 교통시스템의 한 요소로써의 역할을 맡게 되었으며, 자연스럽게 교통운영의 범위도 확대되었다. 또한, 정보통신기술의 발달이 수집 가능한 정보의 질적‧양적 성장을 촉진하였지만, 불완전한 정보가 수집되거나 교통시스템 내‧외적 요인으로 인해 불확실한 예측이 이뤄지는 경우도 발생하였다. 최근 들어 이를 해결하기 위해 인공지능(Artificial Intelligence, AI)을 활용한 사례들이 등장하고 있다. 따라서 이 과목에서는 교통류분석, 교통신호제어 등의 배경이 되는 교통 관련 이론에 대해 학습함과 더불어 교통운영 분야 내 다양한 AI 적용 사례들을 소개하면서 기계학습(Machine Learning), 딥러닝(Deep Learning), 생성형 AI(Generative AI) 등 연관된 AI 기법을 살펴본다. 아울러 자율주행차량 제어, 대중교통 및 모빌리티 시스템 운영 등 교통운영의 확대된 범주 내에 포함되는 교통시스템에 대해서도 다룸으로써 폭넓은 지적 기반을 제공할 수 있을 것으로 기대된다.전선 / 대학원
학생들이 척추 재활 치료의 이론적 배경, 임상적 적용, 최신의 연구, 기술적인 부분 등을 포함하여 전반적인 이해를 할 수 있도록 한다. 또한 질병, 손상 등으로 신체기능 저하가 초래되었을 때 척추 재활치료 기법의 도입이 가지는 효과를 평가할 수 있도록 한다.전선 / 학사
본 과목은 자연과학대학 학부생을 대상으로 하여, 세부 학부/학과에 관계없이 자연과학대학 학부생이 함양해야 하는 프로그래밍 및 인공지능 지식을 갖추도록 돕는 것을 목표로 합니다. 특히 프로그래밍 및 인공지능과 관련된 방대한 내용 중 자연과학을 전공하는 데 실질적으로 필요한 전산학, 계산과학, 통계학, 심층신경망 분야의 기초지식을 습득하고, 그에 대한 실습을 직접 해보도록 하는 데 초점을 맞춥니다. 이는 자연과학대학의 기존 인공지능/계산과학/데이터과학 전공과목의 수강에 앞서, 학부생들이 프로그래밍 능력과 함께 이를 자연과학의 문제에 직접 적용할 수 있는 능력을 갖추도록 하기 위함입니다. 본 과목에서는 이론과 실습을 병행하여, 향후 자연과학 연구에서 맞닥뜨릴 수 있는 실제 문제와 데이터를 인공지능을 이용하여 다루고 해결해 볼 수 있는 기회를 학부생들에게 제공하고자 합니다. 기초 수준의 컴퓨팅/프로그래밍 능력을 갖춘 학생은 본 과목을 이수한 후, 자연과학의 세부 분야에서 인공지능과 프로그래밍이 어떻게 활용되는지 이해하고, 향후 연구에 직접 활용할 수 있는 능력을 함양하게 될 것입니다.교양 / 학사
이 교과목은 과학기술과 사회의 다면적인 경계를 허물고 이를 통해 펼쳐질 미래의 지평을 조망하는 것을 목적으로 한다. 이를 위해 과학기술과 인문, 사회과학을 넘나드는 고도로 융합적인 접근을 시도한다. 과학기술을 통해 미래를 엿보는 각종 접근방법을 리뷰하고 예측의 한계를 이해함으로써 과학기술과 미래의 상호작용에 대한 관점을 형성하며, 사례로서 인공지능과 데이터과학의 과거와 현재를 돌아본다. 바람직한 미래를 만들어가기 위한 과학기술의 역할과 사회적 고려들은 무엇인지 생각해본다. 이 교과목은 주제별 강의와 토론으로 구성된다.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
다양한 무인시스템의 경로 계획과 임무 판단에 관한 기법을 학습한다. 특히 시스템의 특성을 고려한 모션 계획, 모션에 대한 구속 조건, 충돌 회피 경로의 계산, 모델예측제어 등의 제어 기법과 학습 알고리듬의 모션 계획 문제에의 응용, 임무 수행을 위한 판단 기법, 그리고 이와 관련된 최적화 기법 및 다중개체시스템의 모션 계획 문제로의 확장 등에 대해 배운다. 수강생들은 다양한 모션 계획 알고리듬을 구현, 구동해봄으로써 실제 시스템에 적용할 수 있는 능력을 기르고, 관련 분야의 최신 논문을 통해 모션 계획 기법의 발전 동향을 살펴본다.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 / 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
운동학습이란 무엇이며, 그것이 어떻게 구별되는가 하는 문제와 운동기술의 제어와 학습에 대한 이론적 짓기을 운동 기술을 가르치는데 응용하며, 운동기술을 보다 잘 이해하도록 한다. 운동학습의 이해를 위해 운동 수행을 관찰하고 측정한 연구 결과들을 비교 평가하는 능력을 배운다.전선 / 대학원
노인재활분야의 최신지견을 강의한다. 노화와 연관된 기능저하와 기전, 노화와 연관된 질환의 평가 및 최신재활치료에 대해 학생들이 공부하고 이해할 수 있도록 한다.전선 / 대학원
다양한 무인시스템의 경로 계획과 임무 판단에 관한 기법을 학습한다. 특히 시스템의 특성을 고려한 모션 계획, 모션에 대한 구속 조건, 충돌 회피 경로의 계산, 모델예측제어 등의 제어 기법과 학습 알고리듬의 모션 계획 문제에의 응용, 임무 수행을 위한 판단 기법, 그리고 이와 관련된 최적화 기법 및 다중개체시스템의 모션 계획 문제로의 확장 등에 대해 배운다. 수강생들은 다양한 모션 계획 알고리듬을 구현, 구동해봄으로써 실제 시스템에 적용할 수 있는 능력을 기르고, 관련 분야의 최신 논문을 통해 모션 계획 기법의 발전 동향을 살펴본다.전선 / 대학원
본 대학원 강좌는 뇌졸중 환자의 재활에 관한 최신 정보와 지식을 제공하는 과정이다. 이 강좌는 뇌졸중 환자의 치료와 재활에 필요한 최신 연구 결과와 혁신적인 치료 기술을 토대로 구성되어 있어, 학생들은 최신 동향을 파악하고 환자들에게 가장 효과적인 치료를 제공하는 데 필요한 지식과 기술을 습득할 수 있다. 강좌 내용에는 신경조절술, 로봇 재활, Virtual Reality, Digital Health, Wearable technology, Telerehabilitation 등이 포함될 수 있다. 이 강좌를 통해 학생들은 뇌졸중 재활의 최신 지식과 기술을 습득할 수 있게됨으로써 뇌졸중 환자에게 개별화된 재활 계획을 수립할 수 있다.전선 / 대학원
척수손상 이후 관리와 재활은 응급의학과, 신경외과, 정형외과, 비뇨의학과, 재활의학과 등 여러 진료과와 연관되어 있는 다분야 접근이 필요하다. 또한 직종에 따라서도 의사 뿐만이 아니라 간호사, 물리치료사, 작업치료사, 사회복지사 등 여러 직종의 개입이 필요한 복잡한 분야이다. 이 수업을 바탕으로 척수손상 이후 급성기 처치부터 장기적인 건강관리까지 포괄적인 이해를 가지고 자신의 전문 분야를 넘어선 폭넓은 식견을 가질 수 있을 것이다. 특히 물리치료, 작업치료, 배뇨관리, 배변관리 등에 대한 내용을 이 수업에 포함시켜 의사직종 이외의 직종과 협업을 할 수 있도록 하는 기초를 제공할 것이다.전선 / 대학원
기계학습은 다양한 분야에서 점차 큰 관심을 받고 있으나, 막상 실제 데이터에 적용하여 성공적인 결과를 도출하는 데에는 많은 어려움이 따른다. 본 과목은 기계학습 기법들을 실제 문제에 적용할 때에 중요한 데이터 전처리, 피쳐 추출, 차원 축소, 클래스 불균형, 모델 앙상블 등의 주제들을 다루고, 데이터로부터 모형과 종속성을 학습하는 원리와 기법들을 소개하는 바, 특히 확률, 통계 및 최적화 이론에 기반하여 신경망 (Neural Networks), 서포트 벡터 머신 (Support Vector Machines), 은닉 마르코프 모형 (Hidden Markov Models) 및 강화 학습 (Reinforcement Learning) 기법들을 공부한다. 또한, 이들 기법을 활용하여, 다양한 시계열 데이터들을 대상으로 예측 및 분류 모델을 구현하는 프로젝트들과 데이터 기반 학습의 사례 연구들이 포함된다.