• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.05a
• /
• pp.19-21
• /
• 2021

인공지능 기술을 도입한 의료분야에서 진단 및 예측을 위한 관련 연구가 활발하게 진행되고 있다. 특히, 인공지능 기술 적용에 가장 많이 활용되고 있는 의료영상기반 질환 진단 및 예측 연구결과가 다양한 제품으로 출시되고 있다. 의료영상이 활용되는 다양한 질환 중 간 질환은 통증이 적어 조기진단이 어렵다. 본 논문에서는 인공지능을 기반 간 경화증 환자의 판독을 돕기 위한 웹 서비스기반 시스템을 구축하고 진단결과를 보인다. 이를 위해 웹서비스 프로세스를 보이고 각 프로세스의 구동 화면과 최종 결과화면을 보인다. 제안한 서비스를 통해 간 경화증을 조기에 진단하고, 빠른 치료를 통해 환자의 회복에 도움을 줄 수 있을 것으로 기대한다.

• Journal of Biomedical Engineering Research
• /
• v.39 no.1
• /
• pp.43-47
• /
• 2018

Traditional electroencephalography (EEG)-based authentication systems generally use external stimuli that require user attention and relatively long time for authentication. The aim of this study is to investigate the feasibility of biometric authentication based on EEG without using any external stimuli. Seventeen subjects took part in the experiment and their EEGs were measured while repetitively closing and opening their eyes. For identifying each subject, we calculated inter- and intra-subject cross-correlation using changes in alpha activity (8-13 Hz) during eyes closed as compared to eyes open. In order to optimize the number of recording electrodes, we calculated authentication accuracy by progressively reducing the number of electrodes used in the analysis. Significant increase in alpha activity was observed for all subjects during eyes closed, focusing on occipital areas, and spatial patterns of changed alpha activity were considerably different between the subjects. A mean authentication accuracy of 92.45% was obtained, which was retained over 75% when using only 8 electrodes placed around occipital areas. Our results could demonstrate the feasibility of the proposed novel authentication method based on resting state EEGs.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.05a
• /
• pp.282-284
• /
• 2021

최근 4차 산업혁명으로 의료빅데이터 기반으로 한 AI 기술이 급속도로 발전하고 있다. 특히, 의료영상을 기반으로 병변을 탐색, 분활 및 정량화 그리고 자동진단 및 예측 관련된 기술이 AI 제품으로 출시되고 있다. AI 기술개발은 많은 학습데이터가 요구되며, 임상검증에 단일기관에서 2개 이상 기관의 검증이 요구되고 있다. 그러나 아직까지도 단일기관에서 학습용 데이터와 테스트, 검증용 데이터를 달리하여 기술개발에 활용하고 있다. 본 논문은 AI 기술개발에 필요한 영상데이터에 대한 표준화된 데이터셋 변환 및 관리를 위한 시스템에 대해 기술한다. 다기관 데이터를 수집하기 위해서는 각 기관의 의료영상 데이터 수집 및 저장하는 기준이 명확하지 않아 표준화 작업이 필요하다. 제안한 시스템은 기관 또는 다기관 연구 그룹의 의료영상데이터를 표준화하여 저장할 수 있을 뿐만 아니라 의료영상 뷰어 및 의료영상 리스트를 통해 연구자가 원하는 의료영상 데이터 셋을 검색하여 다양한 데이터셋으로 제공할 수 있기 때문에 수집 및 변환 그리고 관리까지 지원할 수 있는 시스템으로 영상기반의 머신러닝 연구에 활력을 불어넣을 수 있을 것으로 기대하고 있다.

• 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
• /
• 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.

• Korean Journal of Radiology
• /
• v.25 no.3
• /
• pp.224-242
• /
• 2024

The emergence of Chat Generative Pre-trained Transformer (ChatGPT), a chatbot developed by OpenAI, has garnered interest in the application of generative artificial intelligence (AI) models in the medical field. This review summarizes different generative AI models and their potential applications in the field of medicine and explores the evolving landscape of Generative Adversarial Networks and diffusion models since the introduction of generative AI models. These models have made valuable contributions to the field of radiology. Furthermore, this review also explores the significance of synthetic data in addressing privacy concerns and augmenting data diversity and quality within the medical domain, in addition to emphasizing the role of inversion in the investigation of generative models and outlining an approach to replicate this process. We provide an overview of Large Language Models, such as GPTs and bidirectional encoder representations (BERTs), that focus on prominent representatives and discuss recent initiatives involving language-vision models in radiology, including innovative large language and vision assistant for biomedicine (LLaVa-Med), to illustrate their practical application. This comprehensive review offers insights into the wide-ranging applications of generative AI models in clinical research and emphasizes their transformative potential.

• Journal of Radiopharmaceuticals and Molecular Probes
• /
• v.2 no.2
• /
• pp.118-122
• /
• 2016

Integrin ${\alpha}_v{\beta}_3$ plays an important role in the tumor metastases and angiogenesis. Arginine-glycine-aspartate (RGD) peptide motif binds to the integrin ${\alpha}_v{\beta}_3$. General $^{68}Ga$-labeled cyclic RGD peptides was rapidly eliminated from the circulatory system by renal excretion because of its hydrophilic property. The purpose of this study was to develop a novel $^{68}Ga$-labeled cyclic RGD peptides, which could acquire enhanced PET tumor images with improved pharmacokinetics by adopting biphenyl group between chelator and RGD peptides. $^{68}Ga$-DOTA-2P-c(RGDyK) was demonstrated a 12% higher lipophilicity level than $^{68}Ga$-DOTA-c(RGDyK) as a reference compound. In the animal PET, $^{68}Ga$-DOTA-2P-c(RGDyK) represented relatively lower blood-clearance, and an increased signal to noise ratio compared to $^{68}Ga$-DOTA-c(RGDyK). From these perspective, $^{68}Ga$-DOTA-2P-c(RGDyK) could be a good candidate for in integrin ${\alpha}_v{\beta}_3$-expressed tumor imaging.

• Molecules and Cells
• /
• v.42 no.9
• /
• pp.672-685
• /
• 2019

Currently, liver transplantation is the only available remedy for patients with end-stage liver disease. Conservation of transplanted liver graft is the most important issue as it directly related to patient survival. Carbonyl reductase 1 (CBR1) protects cells against oxidative stress and cell death by inactivating cellular membrane-derived lipid aldehydes. Ischemia-reperfusion (I/R) injury during living-donor liver transplantation is known to form reactive oxygen species. Thus, the objective of this study was to investigate whether CBR1 transcription might be increased during liver I/R injury and whether such increase might protect liver against I/R injury. Our results revealed that transcription factor Nrf2 could induce CBR1 transcription in liver of mice during I/R. Pre-treatment with sulforaphane, an activator of Nrf2, increased CBR1 expression, decreased liver enzymes such as aspartate aminotransferase and alanine transaminase, and reduced I/R-related pathological changes. Using oxygen-glucose deprivation and recovery model of human normal liver cell line, it was found that oxidative stress markers and lipid peroxidation products were significantly lowered in cells overexpressing CBR1. Conversely, CBR1 knockdown cells expressed elevated levels of oxidative stress proteins compared to the parental cell line. We also observed that Nrf2 and CBR1 were overexpressed during liver transplantation in clinical samples. These results suggest that CBR1 expression during liver I/R injury is regulated by transcription factor Nrf2. In addition, CBR1 can reduce free radicals and prevent lipid peroxidation. Taken together, CBR1 induction might be a therapeutic strategy for relieving liver I/R injury during liver transplantation.

• Journal of the Korea Convergence Society
• /
• v.7 no.5
• /
• pp.117-125
• /
• 2016

Implementation of patient feedback is considered as a critical part of effective and efficient management. This study is a retrospective survey after to ensure the medical convergence analysis of contents on customer dissatisfaction using medical services. The data were collected from dissatisfaction 319 case at a affiliated hospital. The result indicate that a repeat visit than the initial visit, outpatients were more dissatisfied than the inpatients. The type of dissatisfaction were more dissatisfied of the in communication and explanation of medical service, nursing service and procedure of administrative services. In the classification of disease the percentages of dissatisfaction in the digestive system and neoplasm were high in both groups(p<0.05). Based on the study to improve the quality of medical service. Prevent the recurrence of dissatisfaction and to establish a customer-oriented business strategy. Characterized by dissatisfaction factors and contents of each patient and should be structured to specific disease types of services through continuous medical convergence research.

• Journal of Biomedical Engineering Research
• /
• v.43 no.4
• /
• pp.259-270
• /
• 2022

Artificial intelligence (AI) has been studied in various fields of medical imaging. Currently, top-notch deep learning (DL) techniques have led to high diagnostic accuracy and fast computation. However, they are rarely used in real clinical practices because of a lack of reliability concerning their results. Most DL models can achieve high performance by extracting features from large volumes of data. However, increasing model complexity and nonlinearity turn such models into black boxes that are seldom accessible, interpretable, and transparent. As a result, scientific interest in the field of explainable artificial intelligence (XAI) is gradually emerging. This study aims to review diverse XAI approaches currently exploited in medical imaging. We identify the concepts of the methods, introduce studies applying them to imaging modalities such as computational tomography (CT), magnetic resonance imaging (MRI), and endoscopy, and lastly discuss limitations and challenges faced by XAI for future studies.