총 741개
-
의료 진단과 예측 모델링: AI 기술의 응용2025.11.151. 의료 영상과 AI 기술 AI를 활용한 의료 영상 분석은 X-레이, CT 스캔, MRI 등의 의료 영상을 분석하여 질병 및 이상을 식별합니다. AI 시스템은 유방암, 폐렴, 망막 질환 등을 탐지하는 데 사용되며, 영상 데이터에서 패턴을 인식하고 이를 기반으로 정확한 진단을 수행합니다. 이를 통해 진단 과정을 빠르게 하고 정확한 결과를 제공하며, 의료 전문가의 의사결정을 지원합니다. 2. 병리학적 데이터와 예측 모델링 환자의 혈액 검사, 조직 검사 결과, 유전체 데이터 등을 활용한 예측 모델링은 진단 및 질병 예방에 중요한 도구입...2025.11.15
-
AI 기반 컴퓨터 비전 기술을 활용한 의료 서비스 평준화2025.01.021. AI 기반 컴퓨터 비전 기술의 의료 적용 고령화 사회에서 건강과 의료에 대한 관심이 높아지고 있지만, 실질적으로 양질의 의료 서비스를 받기 위해서는 특정 병원에 대한 의존도가 높아지고 있습니다. 이에 컴퓨터 비전 기술을 활용하여 지역과 관계없이 동일한 진료 기준으로 질환을 판정할 수 있는 시스템을 구축하여 모두가 평등한 의료 서비스를 받을 수 있는 환경을 만드는 것이 필요합니다. 1. AI 기반 컴퓨터 비전 기술의 의료 적용 AI 기반 컴퓨터 비전 기술은 의료 분야에서 매우 유망한 기술로 주목받고 있습니다. 이 기술은 의료 영...2025.01.02
-
수업 녹화 컨텐츠 및 수업시간에 제시된 디지털(매체) 및 인공지능 애플리케이션을 적용한 사례 또는 새로운 어플리케이션을 찾아 실제 적용해보기2025.01.131. 가상현실(VR) 수업 녹화 컨텐츠에서는 가상현실(VR) 기술을 활용하여 학생들이 실제로 체험하기 어려운 환경을 모의할 수 있습니다. 예를 들어, 역사 수업에서는 VR을 이용하여 과거의 역사적 장면을 체험하거나, 과학 수업에서는 분자 구조나 우주 공간을 가상으로 탐험할 수 있습니다. 2. 언어처리 인공지능 애플리케이션 수업시간에는 언어처리 인공지능 애플리케이션을 활용하여 학생들이 언어 학습을 보다 효과적으로 할 수 있습니다. 예를 들어, 언어 학습 앱을 통해 실시간으로 발음을 피드백 받거나, 문법 및 어휘 학습에 맞춤화된 학습 ...2025.01.13
-
딥러닝을 이용한 COVID-19 흉부 X선 영상 자동 탐지2025.01.031. COVID-19 진단 이 연구에서는 COVID-19 환자를 식별하기 위해 흉부 X선 영상을 사용했습니다. DenseNet169 심층 신경망을 사용하여 이미지 특징을 추출하고 XGBoost 알고리즘을 통해 분류를 수행했습니다. 제안된 방법은 기존 방법보다 더 정확하고 빠르며 허용 가능한 성능을 보였습니다. 이는 의료 영상 분석과 방사선학 분야에서 딥러닝의 발전을 보여줍니다. 2. XGBoost 알고리즘 XGBoost는 2016년 Chen & Guestrin이 제안한 트리 부스팅 기반의 효율적이고 확장 가능한 알고리즘입니다. 여러...2025.01.03
-
노이즈가 섞여있는 데이터를 어떻게 피팅할까? RANSAC (파이썬 예제 포함)2025.01.191. 데이터 노이즈 처리 데이터 분석을 할 때 노이즈가 섞여있는 데이터를 어떻게 처리할 수 있을까? 이상치 데이터를 제거하는 것은 어려울 수 있으므로, 노이즈에 강한 모델을 찾는 것이 중요하다. RANSAC 알고리즘은 무작위 샘플링과 반복적인 검증 과정을 통해 노이즈의 영향을 최소화하고 신뢰할 수 있는 모델을 찾는 방법이다. 2. RANSAC 알고리즘 RANSAC 알고리즘은 1) 무작위 샘플 선택, 2) 모델 적합, 3) 인라이어와 아웃라이어 구분, 4) 모델 평가, 5) 반복의 과정을 거친다. 이를 통해 노이즈가 많은 데이터에서도...2025.01.19
-
AI 기반 알고리즘을 통한 면역요법 및 표적치료에 대한 환자 반응 예측2025.05.111. 면역요법과 표적치료의 중요성 면역요법과 표적치료는 종양 치료 분야에 혁신적인 접근법으로 여겨지고 있으며, 여러 종류의 암에 대해 효과를 보여주고 있습니다. 그러나 모든 환자들이 이러한 치료에 긍정적인 반응을 보이지는 않으며, 환자들의 반응 예측은 어려운 도전적인 문제입니다. 2. AI의 역할과 장점 AI 기반 알고리즘은 환자 데이터를 분석하여 반응 예측 모델을 구축하고, 환자의 개인적인 특성과 생물학적 특징을 고려하여 맞춤형 치료를 제시할 수 있습니다. 3. AI 기반 환자 반응 예측 알고리즘의 활용 AI는 환자의 유전자 변이...2025.05.11
-
MRI로 진단 가능한 뇌 질환2025.01.031. MRI 영상 판독 MRI 영상은 뇌의 해부학적 구조와 유사한 단면 영상을 제공하여 질환 진단에 매우 유용합니다. T1 강조 영상, T2 강조 영상, FLAIR 영상 등을 통해 뇌의 전반적인 구조와 병변을 관찰할 수 있습니다. 이를 통해 염증, 구조적 문제, 비정상적인 성장, 유체 누출, 출혈, 백질 질환 등 다양한 뇌 질환을 진단할 수 있습니다. 2. T2 강조 영상 해석 T2 강조 영상에서 저신호 강도를 보이는 원인으로는 밀집된 세포(림프종), 혈액 성분(급성/아급성 뇌출혈, 헤모시데린), 멜라닌, 혈류 신호 소실, 석회화 ...2025.01.03
-
한국공학대학교(한국산업기술대학교) 컴퓨터공학과 족보 영상처리2025.01.141. 디지털 영상처리 디지털 영상처리란 디지털 이미지 신호를 처리하는 기술입니다. 영상 신호를 처리하는 영역에는 화질 개선, 객체 검출 및 추적, 영상 압축 등이 있으며 이러한 기술들은 다양한 분야에 활용됩니다. 2. 컨벌루션 컨벌루션은 입력 이미지에 마스크를 적용하여 새로운 이미지를 생성하는 기술입니다. 평균 마스크를 이용한 컨벌루션을 통해 이미지의 블러링 효과를 줄 수 있습니다. 3. 히스토그램 평활화 히스토그램 평활화는 이미지의 명암 분포를 균일하게 만들어 대비를 향상시키는 기술입니다. 이를 통해 이미지의 가시성을 높일 수 있...2025.01.14
-
의학영상분석과 미적분활용사례 연구보고서2025.01.291. CT/MRI 데이터 구조 CT와 MRI는 환자의 특정 부위를 잘게 나눈 단면 이미지(slice)를 제공하며, 각 단면은 픽셀 단위의 밀도 값을 포함합니다. 이러한 밀도 값은 실제 조직이나 물질(예: 뼈, 근육, 공기 등)을 나타내며, 의료 영상의 픽셀은 연속적인 물리적 크기(폭 × 높이)를 가집니다. 2. 미적분의 활용 여러 개의 단면 이미지를 적분하여 장기의 부피를 계산하고, 특정 단면에서 면적을 계산하기 위해 픽셀 값을 함수로 근사(보간법)하고 적분합니다. 또한 시간에 따라 변화하는 데이터를 정량화(예: 암 조직 크기 변화...2025.01.29
-
AI(인공지능시대),병원경영에 미치는 영향2025.01.211. 영상의학, 병리 판독에의 적용 인공지능을 활용하면 인간에 비해 더 빠르고 정확한 영상 분석과 진단이 가능하여 병원 경영에 도움이 될 수 있다. 인공지능은 객관적이고 방대한 양의 정보를 분석하여 합리적인 결론을 내릴 수 있어 인건비 절감과 의료사고 방지에 기여할 수 있다. 2. 병상 운영과 수술방 시간의 효과적인 활용 인공지능을 활용하면 병상과 수술방의 효율적인 운영이 가능하여 병원의 수익 개선에 도움이 된다. 인공지능은 병원 내 자원을 최적으로 활용할 수 있도록 일정을 계획하고 낭비되는 시간을 최소화할 수 있다. 3. 환자의 ...2025.01.21
1 / 75
