• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2019년도 춘계학술발표대회
• /
• pp.145-148
• /
• 2019

생체인식(Biometrics)이란 사용자 고유의 신체특성을 추출하여 정보화시키고 이를 활용하여 응용 서비스를 개발 및 제공하는 것 까지 의미한다. 9.11 사건 이후 생체인식을 활용한 사용자 인증기술은 매우 중요하게 인식되고 있으며 최근 스마트헬스, 원격의료서비스까지 활용범위가 증가하고 있다. 이 논문에서는 생체인식 분야 국내외 공식 표준화기구에 대해 소개하고 물리적 고유형태의 생체 정보 한계를 극복하기 위한 생체신호 연구 및 서비스에 어떤 연구가 진행되고 있는지에 대해 설명한다. 그리고 최근 주목 받고 있는 인공지능, 블록체인 등이 생체인식 기술에 어떻게 응용 될 수 있는지에 대해 논의하여 앞으로 발전할 생체인식 기술 방향과 발전에 필요한 요소들을 제시한다.

• 한국정보시스템학회지:정보시스템연구
• /
• 제28권3호
• /
• pp.141-158
• /
• 2019

Purpose Artificial Intelligence (AI) is a core technology, leading the 4th industrial revolution. This study aims to diagnose the Korean's national competitiveness for AI technologies through patent analyses. Design/methodology/approach In this study, KIWEE and Derwent Innovation databases were used as data source of patents. we extracted 10,510 AI patents data with keywords and classified them into 15 subcategories of AI technology. We executed patent analyses for activity index, patent intensity index, technology strength, and patent family size and diagnosed Korea's national competitiveness in AI industry. Findings The results showed that Korea is less competitive than the United States and Japan in AI industry. However, patent amount has increased since 2010, which is encouraging result. This study has implication on the need for human and R&D investment in AI industry.

• 방송과미디어
• /
• 제27권2호
• /
• pp.35-42
• /
• 2022

3차원 깊이 영상은 시점으로부터 객체까지의 거리와 관련된 정보를 제공하는 영상으로 최근 자율주행 자동차, 스마트 드론, 로보틱스, 증강 현실, 의료 영상 등에 핵심 정보로 활용되는 매우 중요한 정보이다. 이에 따라 컴퓨터 비전 분야에서는 2차원 영상으로부터 3차원 깊이 정보를 획득하는 연구가 계속되어 왔고, 최근 인공지능 기술의 발달에 힘입어 그 성능도 나날이 향상되고 있다. 그 중에서도 스테레오 영상 간의 매칭을 통하여 깊이 정보를 획득하는 스테레오 매칭 기술은 데이터베이스 구축이 비교적 용이하고 획득 환경이 제한적이지 않다는 장점으로 인해 널리 활용되고 있다. 하지만 텍스쳐가 없는 영역, 패턴이 반복되는 영역, 가림 영역 등에서 성능에 한계를 보이기 때문에, 깊이 영상의 신뢰도를 추정하는 스테레오 깊이 영상의 신뢰도 추정 기술을 이용하여 깊이 정보를 효과적으로 복원할 수 있다. 본 고에서는 스테레오 매칭을 통하여 획득한 깊이 영상의 신뢰도 추정 기술의 발전 동향을 살펴보고 현재 기술의 한계점과 향후 나아갈 방향에 대해서 토의한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2024년도 춘계학술발표대회
• /
• pp.777-779
• /
• 2024

현대 사회에서 인공지능은 다양한 분야에서 사용되며 발전하고 있다. 특히 의료, 공업, 경제, 농업, 정치 등에 영향을 미치며, 데이터 프라이버시 문제가 빈번히 발생한다. 이를 해결하기 위해 연합학습이 제안되었는데, 이는 로컬 디바이스에서 학습한 모델만을 중앙 서버로 전송하여 프라이버시를 보장하고 효율성을 높인다. 하지만 연합학습은 중앙 서버를 필요로 하므로 탈중앙적인 환경에서는 사용할 수 없는 단점이 있다. 이를 보완하기 위해 본 논문에서는 서버가 없는 다양한 환경에서 연합학습을 적용할 수 있는 비-완전 연결 분산형 연합학습 알고리즘을 소개한다. 비-완전 연결 분산형 연합학습 알고리즘은 모든 노드가 서로 연결 되어있는 상태가 아닌 특정 노드와만 연결 되어있는 형태로 대부분의 실전 분산형 환경에서 사용할 수 있다. 본 방식의 학습 정확도는 일반적인 머신러닝의 정확도와 비교하여 준수한 성능을 보여주고 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2024년도 춘계학술발표대회
• /
• pp.480-481
• /
• 2024

이 연구는 자폐 스펙트럼 장애(ASD)를 가진 아이들을 대상으로 한 디지털 치료제의 필요성을 탐구하고자 한다. ASD는 사회 생활 및 관심사에 제한을 가지고 있으며, 현재까지는 진단과 치료에 대한 효과적인 방법이 없는 상황이다. 최근 디지털 기술과 의료가 결합된 치료제의 중요성이 부각되고 있기에, 저자는 이를 통해 시간과 비용을 절감하는 디지털 치료 방법을 제안한다. 본 연구에서는 대화형 인공지능을 활용하여 스무 고개 게임을 통해 자폐 스펙트럼 장애를 가진 아이들의 사회성 기술을 향상시키는 플랫폼을 개발하고자 한다. ASD특성을 고려하여 디지털 기기에 익숙한 아이들에게 소통을 훈련시키는 효과를 기대한다.

• 한국재료학회:학술대회논문집
• /
• 한국재료학회 1993년도 춘계학술발표회
• /
• pp.61-61
• /
• 1993

20세기 막바지에 들어 서면서 21세기를 바라보는 정보화사회는 어떠한 과학기술의발전을 필요로 하는 것일까? $10^{12}$ 집적도, $10^{-8}$cm 원자공간, $10^{-12}$-$10^{-15}$ 초등 시간대역에 대한 도전과[ 테라바이트 메모리], [테라바이트 컴퓨터], [테라비트 광통신] 등을 앞세우면서 고속화, 대용량화, 초미세화, 다기능화, 고기능화, 지능화를 지향하는 미래 정보통신 기술 실용화를 위하여서는 어떠한 성질의 신소재들이 개발되어야 할 것인가? [20세기 전자시대] 의 대표적 정보운반자인 [전자] 에 대한 연구는 21세기에는 어떻게 전개될 것인가? 새로운 정보운반자로서 부상하고 있는 [광자],[뉴런],[생체분자]등에 대한 연구는 어떠한 방향으로 전개될 것인가? 신개념의 정보통신 기술을 구체적으로 실용화 하기 위하여 연구되어야 할 신소재는 어떻게 전개되어야 할 것인가\ulcorner 초미세구조, 양자효과, 비선형효과, 원자가공, 원자조작, 인공신소재, 초격자 지능신소재, 초전도 유기물, 분자, 광논리, 광신경망, 생체노리, 생체컴퓨터등 신개념의 창출로부터 비롯해서 의료, 복지, 장애. 기후. 환경. 지각.해양. 항공. 우주에 이르는 다차원적 통신과 지능형 정보를 가능케 하는 신소재 연구의 조건들과 그에 따른 도전을 전망해 본다.에 따른 도전을 전망해 본다.

• 핵의학기술
• /
• 제24권1호
• /
• pp.15-19
• /
• 2020

본 연구는 최근에 활발히 연구되고 있는 딥러닝 기술인 생성적 적대 신경망(GAN)을 핵의학 영상에 적용하여 잠재적으로 유용성이 있는지 확인해보고자 하였다. 본원에서 ¹⁸F-FDG Brain PET/CT검사를 진행한 30명의 환자를 대상으로 하였고 List모드로 15분 검사한 후 이를 1, 2, 3, 4, 5분 초기획득시간 이미지로 재구성하였다. 이 중 25명의 환자를 GAN모델의 학습을 위한 트레이닝 이미지로 사용하고 5명의 환자를 학습된 GAN모델의 검증을 위한 테스트 이미지로 사용하였다. 학습된 GAN모델에 입력으로 1, 2, 3, 4, 5분의 초기획득 이미지를 넣고 출력으로 15분 인공지능 표준획득 이미지를 획득한 후 이를 기존의 15분 표준획득시간 검사 이미지와 비교 평가하였다. 평가에는 정량화된 이미지 평가방법인 평균제곱오차, 최대신호 대 잡음비, 구조적 유사도 지수를 이용하였다. 평가 결과 초기획득시간 이미지에서 1에서 5분으로 갈수록 실제 표준획득시간 이미지에 가까운 평균제곱오차, 최대신호 대 잡음비, 구조적 유사도 지수 수치를 나타내었다. 이러한 연구를 통해 앞으로 인공지능 기술이 핵의학 분야에서 의료영상의 획득시간 단축과 관련하여 중요한 영향을 미칠 수 있을 것으로 사료된다.

• 의료법학
• /
• 제24권4호
• /
• pp.67-101
• /
• 2023

생성형 AI의 활용은 교육계를 넘어서 이미 의료계에서도 의료 기기에 임상 소프트웨어 등의 도입 등으로 연구되고 있다. 생성형 AI는 대규모 대화형 언어모델을 활용하여 방대한 데이터를 이해하고 자료를 선별하는 시간과 에너지를 줄여주면서 사용자와 끊임없는 대화를 통한 정보의 전달이 가능하다. 바로 이러한 점이 인류에게 생성형 AI가 혁신적인 기술의 등장으로 인정받고 있는 점이기도 하다. 그러나 반면 사용자에게 제공되는 컨텐츠의 정합성은 출처나 근거 없이 사용자에게 판단의 영역으로 맡겨지고 있다. 그러나 이 글에서는 생성형 AI를 활용함에 있어서 가장 직접적으로 발생할 수 있는 쟁점을 우선적으로 살펴보기로 한다. 따라서 이 글에서는 생성형 AI의 대표적인 프로그램인 Chat GPT의 발전과 이용자의 활용에 대비하여 특히 개인정보 보호의 쟁점에 대하여 논의하였다. 이를 위하여 먼저 생성형 AI의 기술적인 특성을 살펴본 뒤에 발생 가능한 민사적 쟁점 가운데에서도 개인정보 보호에 관한 문제를 우선적으로 살펴보았다. 생성형 AI는 그 자체로서 학습 데이터의 편향이나 출처 없는 결과값의 제공 등 여러 문제점이 제기되고 있으나, 이러한 문제점은 윤리적 문제를 내포하는 것으로 당장 임상 소프트웨어로서 의료기기에서 활용될 경우 개인정보 보호법제와 보건의료데이터의 활용 가이드로 환자 혹은 이용자의 개인정보를 보호할 수 있을 것인가에 대한 의문에 대한 논의가 시급하다고 판단되었다. 우리나라의 개인정보 보호법제는 특히 보건의료데이터의 활용에서 특정 개인의 개인정보를 가명처리하고 비식별조치를 취하는 데에 적절한 프로세스를 갖추고 있는 것으로 보이나, 생성형 AI이 소프트웨어로서 의료기기에 적용되었을 경우에도 이 법제로서 개인정보 보호의 목적을 이루기에는 어려운 점이 있다. 임상 소프트웨어에서 활용될 생성형 AI의 기능을 대비하기 위해서는 생성형 AI에 걸맞는 개인정보 보호의 법제가 필요할 것으로 보인다.

• 한국방사선학회논문지
• /
• 제18권1호
• /
• pp.37-44
• /
• 2024

MR은 우수한 연조직 대비와 기능 정보를 보여줄 수 있지만, 방사선치료에서 정확한 선량 계산을 위해서는 CT영상의 전자밀도 정보가 필요하다. 방사선치료(Radiotherapy) 계획 워크플로우에서 MR영상과 CT영상을 융합하기 위해 환자는 일반적으로 MR과 CT영상 방식 모두에서 스캔된다. 최근에 딥러닝기술 덕분에 MR영상에서 딥러닝 기반의 CT영상 생성이 가능해졌다. 이로 인해 CT 스캔 작업을 할 필요가 없게 된다. 본 연구에서는 MR영상으로부터 CycleGan 딥러닝 기반 CT영상생성을 구현했다. T1가중이나 T2가중 중에 한 가지 또는 그 둘다의 MR영상을 가지고 합습한 3가지의 인공지능 CT생성기를 만들었다. 결과에서 우리는 T1가중 MR 영상 기반으로 학습한 생성기가 T1가중 MR영상이 입력될 때 다른 CT생성기보다 더 나은 결과를 생성할 수 있음을 발견했다. 반면, T2가중 MR영상 기반 CT생성기는 T2가중 MR영상을 입력 받을 때, 다른 시퀀스기반 CT생성기보다 더 나은 결과를 생성할 수 있습니다. MR영상을 기반으로 한 CT생성기는 곧 임상현장에 적용될 수 있는 기술이다. 특정 시퀀스 MR영상으로 학습한 머신러닝 CT생성기는 다른 시퀀스 MR영상으로 학습한 생성기보다 더 그 특정 시퀀스와 같은 MR영상을 입력받을 때 더 나은 CT영상을 생성할 수 있음을 보여주었다.

• 디지털융복합연구
• /
• 제17권7호
• /
• pp.285-292
• /
• 2019

PC, SNS, IoT의 대중화로 수많은 데이터가 생성되고 그 양은 기하급수적으로 증가하고 있다. 거대한 양의 데이터를 활용하는 방법으로 인공신경망 학습은 최근 많은 분야에서 주목받는 주제이다. 인공신경망 학습은 음성인식, 이미지 인식에서 엄청난 잠재력을 보였으며 더 나아가 의료진단, 인공지능 게임 및 얼굴인식 등 다양하고 복잡한 곳에 광범위하게 적용된다. 인공신경망의 결과는 실제 인간을 능가할 정도로 정확성을 보이고 있다. 이러한 많은 이점에도 불구하고 인공신경망 학습에는 여전히 프라이버시 문제가 존재한다. 인공신경망 학습을 위한 학습 데이터에는 개인의 민감한 정보를 포함한 다양한 정보가 포함되어 악의적인 공격자로 인해 프라이버시가 노출될 수 있다. 공격자가 학습하는 도중 개입하여 학습이 저하되거나 학습이 완료된 모델을 공격할 때 발생하는 프라이버시 위험이 있다. 본 논문에서는 최근 제안된 신경망 모델의 공격 기법과 그에 따른 프라이버시 보호 방법을 분석한다.