• Journal of the Korea Convergence Society
• /
• v.9 no.9
• /
• pp.97-104
• /
• 2018

The purpose of this study was to investigate the expectation toward medical artificial intelligence(AI) of students in majoring health, and to utilize it as a basic data for widespread use of medical AI for 500 students majoring in health science at Cheonan city. The awareness of AI was 18.6%, the reliability of AI was 24.8%, and agreement to use of medical AI was 38%. Also, the higher the awareness and reliability of AI were, the higher the expectation of AI was. As a result, education on medical AI in the major field should be a cornerstone for the development of an effective healthcare environment utilizing medical AI by raising awareness, reliability and expectation of AI.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2020.05a
• /
• pp.487-489
• /
• 2020

인공지능 기술을 도입한 의료분야에서 진단 및 예측과 연계한 임상의사결정지원 시스템(CDSS)에 관련된 연구가 활발하게 진행되고 있다. 특히, 인공지능 기술 적용에 가장 많은 이슈를 일으키고 있는 의료영상기반의 질환진단연구가 다양한 제품으로 출시되고 있는 실정이다. 그러나 의료영상 데이터는 일관되지 않은 데이터들로 이루어져 있으며, 그것을 정제하여 연구에 사용하기 위해서는 상당한 시간이 필요한 것이 현실이다. 본 논문에서는 익명화된 데이터를 정제하여 인공지능 연구에 사용할 수 있는 표준화된 데이터 셋을 만들고, 그 데이터를 기반으로 인공지능 알고리즘 개발 연구를 지원하기 위한 원스톱 인공지능학습 플랫폼에 대하여 기술한다. 이를 위해 전체 인공지능 연구프로세스를 보이고 이에 따라 학습을 위한 데이터셋 생성과 인공지능 학습학습용 플랫폼에서 수행되는 수행 과정을 결과로 보인다 제안한 플랫폼을 통해 다양한 영상기반 인공지능 연구에 활용될 것으로 기대하고 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.11a
• /
• pp.462-464
• /
• 2022

의료영상기반의 인공지능 연구는 질환의 조기진단 및 예측 분야에 눈부신 기술발전이 되어왔다. 장기 섬유증은 만성 염증성 질환의 질병 진행을 특징짓고 전 세계적으로 모든 원인으로 인한 사망률의 45%에 기여하며, 그중 간 섬유증은 주로 삶의 질과 예후를 결정한다. 해당 질환은 임상 현장에서 혈액데이터 분석 그리고 간생검을 통해 진단을 하고 있으나 최근 의료영상 분석을 통해 진단에 활용하고 있는 추세이다. 본 논문에서는 인공지능을 기반으로 하여, 간 섬유화를 진단하기 위해 MRI영상을 학습하여 질환에 대한 중증도 진단을 돕는 인공지능 모델을 제시하고자 한다. 이를 위해 인공지능 모델을 개발하는 과정과 그 결과를 보인다. 본 논문에서 제시한 모델을 통해 간 섬유화를 빠르게 진단할 수 있을 것으로 기대한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.11a
• /
• pp.520-522
• /
• 2022

의료 인공지능은 특정 진단에서 높은 정확도를 보이지만 모델의 신뢰성 문제로 인해 활발하게 쓰이지 못하고 있다. 이에 따라 인공지능 모델의 진단에 대한 원인 설명의 필요성이 대두되었고 설명가능한 의료 인공지능에 관한 연구가 활발히 진행되고 있다. 하지만 MRI 등 의료 영상 인공지능 분야에서 주로 진행되고 있으며, 이미지 형태가 아닌 전자의무기록 데이터 (Electronic Health Record, EHR) 를 기반으로 한 모델의 설명가능성 연구는 EHR 데이터 자체의 복잡성 때문에 활발하게 진행 되지 않고 있다. 본 논문에서는 전자의무기록 데이터인 MIMIC-III (Medical Information Mart for Intensive Care) 를 전처리 및 그래프로 표현하고, GCT (Graph Convolutional Transformer) 모델을 학습시켰다. 학습 후, 어텐션 흐름 그래프를 시각화해서 모델의 예측에 대한 직관적인 설명을 제공한다.

• The Journal of Bigdata
• /
• v.6 no.2
• /
• pp.99-108
• /
• 2021

Recently, unexpected and more advanced cyber medical treat attacks are on the rise. However, in responding to various patterns of cyber medical threat attack, rule-based security methodologies such as physical blocking and replacement of medical devices have the limitations such as lack of the man-power and high cost. As a way to solve the problems, the medical community is also paying attention to artificial intelligence technology that enables security threat detection and prediction by self-learning the past abnormal behaviors. In this study, there has collecting and learning the medical information data from integrated Medical-Information-Systems of the medical center and introduce the research methodology which is to develop the AI-based Net-Working Behavior Adaptive Information data. By doing this study, we will introduce all technological matters of rule-based security programs and discuss strategies to activate artificial intelligence technology in the medical information business with the various restrictions.

• Journal of the Korea Convergence Society
• /
• v.13 no.3
• /
• pp.67-75
• /
• 2022

Medical information is variously generated not only from medical devices but also from electronic devices. Recently, related convergence technologies from big data collection in healthcare to medical AI products for patient's condition analysis are rapidly increasing. However, there are difficulties in applying them because of independent developmental procedures. In this paper, we propose an intelligent hospital information system (iHIS) model to simplify and integrate research, development and application of medical AI technology. The proposed model includes (1) real-time patient data management, (2) specialized data management for medical AI development, and (3) real-time monitoring for patient. Using this, real-time biometric data collection and medical AI specialized data generation from patient monitoring devices, as well as specific AI applications of camera-based patient gait analysis and brain MRA-based cerebrovascular disease analysis will be introduced. Based on the proposed model, it is expected that it will be used to improve the HIS by increasing security of data management and improving practical use through consistent interface platformization.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.887-890
• /
• 2021

최근 AI 를 활용한 의료 진단 솔루션 시장이 크게 성장함에 따라 의료 인공지능 기술에 대한 대학 교육에 대한 수요가 증가하고 있지만, 개인정보 유출의 위험성 등으로 인하여 의료 데이터를 대학 교육에 활용하기 어려운 실정이다. 본 논문에서는 실제 의료 데이터 대신 생성적 적대 신경망(GAN)으로 합성된 흉부 X-ray 영상을 활용한 의료 인공지능 교육 모델의 사례를 제시한다. 프로메디우스(주)에 의해 제공받은 흉부 X-ray 합성영상을 사용하여, VGG-16 모델을 훈련하고 성능을 검증 및 평가하며 미세조정을 통해 성능을 개선하는 교육 모델을 구성하였다. 또한 교육모델이 의료 인공지능에 대한 학생들의 이해력 향상에 기여한 효과를 정량적으로 평가하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.434-436
• /
• 2021

의료산업은 진단 및 치료 위주의 기술개발이 진행되어왔다. 최근 의료 빅데이터를 기반으로 진단, 치료 및 재활뿐만 아니라 예방과 예후관리까지 지원하는 의료서비스에 대한 패러다임이 변화되고 있다. 특히, 여러 의료 중심의 플랫폼 기술 가운데 객관적인 진단지표를 가지고 있는 의료영상을 기반으로 인공지능 학습에 적용하여 진단 및 예측을 중심으로 한 플랫폼 개발이 진행되고 있다. 하지만, 인공지능 연구에는 많은 학습 데이터가 요구될 뿐만 아니라 학습에 적용하기 위해서는 데이터 특성에 따른 전처리 기술과 분류 작업에 많은 시간 소요되어 이와 같은 문제점을 해결할 수 있는 방법들이 요구되고 있다. 따라서, 본 논문은 인공지능 학습까지 적용하기 위한 의료영상 데이터에 대한 확장 모델을 개발하여 공통적인 조건에 따라 의료영상 데이터가 표준화되어 변환하며, 자동화 시스템 구조에 따라 데이터가 분류·저장되어 인공지능 학습까지 지원할 수 있는 플랫폼을 제안하고자 한다. 그리고 근감소증 학습데이터 관리 및 적용 결과를 통해 플랫폼의 수행성을 검증하였다. 향후 제안한 플랫폼을 통해 의료데이터에 대한 전처리, 분류, 관리까지 지원함으로써 CDM 확장 표준 의료데이터 플랫폼으로 활용 가능성을 보였다.

• The Journal of the Korea Contents Association
• /
• v.20 no.5
• /
• pp.448-456
• /
• 2020

In the era of the Fourth Industrial Revolution, how well the explosive information and data are handled and used is recognized as a problem directly related to the competitiveness of the industry. In particular, the introduction of artificial intelligence technology in the medical field can be said to have a great social impact on its use, and this research was conducted to understand the trends of artificial intelligence according to the range of use case. In this study, the application of artificial intelligence in the healthcare field is divided into four scopes, (1) hospital solutions, (2) personal health care, (3) insurance, and (4) new drug development. Based on various cases and trends in artificial intelligence technology, this study tried to give directions on how to develop artificial intelligence in Korea. In this study, we wanted to find out the use cases of artificial intelligence in various areas of healthcare industry and describe the latest issues in healthcare to help the overall medical industry. The development of artificial intelligence-based medical systems has made it easier to manage the chronic patients, increased the accuracy of cancer or disease diagnosis, and helped developing new drugs faster and more efficiently. Through this study, the medical industry we wanted to give a direction to the future development of artificial intelligence in Korea.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2017.05a
• /
• pp.551-554
• /
• 2017

The largest industry in the world is the medical industry, and due to aging and growing demand for well-being, it is necessary to review the competition strategy of the healthcare industry. We will secure competitiveness among medical institutions through the rapid dissemination of ICT convergence, study the intelligence level of digital health care by increasing the capacity of intelligent medical care by combining big data of medical data and artificial intelligence, And to find a countermeasure for constructing a medical optimization model.