• 한국융합학회논문지
• /
• 제13권1호
• /
• pp.141-147
• /
• 2022

디지털 헬스케어의 정의는 광의로는 헬스케어 산업과 ICT가 융합되어 개인건강과 질환을 관리하는 산업영역을 의미하고, 협의로는 환자의 건강을 향상시키기 위해 의료 서비스를 관리하는데 다양한 의료 기술을 사용하는 것을 포함한다. 본 논문은 디지털 헬스케어 분야에 적용되고 있는 인공지능과 기계학습 기법들의 활용사례 소개를 통해 다양한 디지털 헬스케어 분야에 인공지능 기술이 안정적이고 효율적으로 적용할 수 있도록 설계 지침을 제공하는 데 목적이 있다. 이를 위해 본 논문에서는 의료분야와 일상생활 분야로 나누어서 살펴보았다. 두 영역은 다른 데이터 특성을 갖는다. 두 개의 영역을 보다 세분화하여 데이터 특성 및 문제 정의 및 특징에 따른 인공지능 알고리즘 활용사례를 살펴보았다. 이를 통해 디지털 헬스케어 분야에서 활용되는 인공지능 기술들에 대한 이해도를 높이고 다양한 인공지능 기술의 활용에 대한 가능성을 검토하여 인공지능 기술이 헬스케어 산업과 개인의 건강한 삶에 기여할 수 있는 근본적인 가치에 대해 고찰한다.

• 한국인터넷방송통신학회논문지
• /
• 제24권1호
• /
• pp.115-123
• /
• 2024

본 연구의 목적은 인공지능과 위험관리라는 2가지 키워드를 통해 어떻게 인공지능 서비스의 장점 활용과 한계요인을 동시에 극복하는데 기여 하고자 한다. 이를 위해 2가지 사례인 (1) 인공지능을 활용한 위험 모니터링 프로세스 제시와 (2) 인공지능 서비스의 개발 및 운영에서 등장하는 한계요인을 최소화하기 위한 운영 툴킷에 대해 소개 하였다. 이 사례 분석을 통해 다음과 같은 시사점이 제안하고자 한다. 첫째, 인공지능 서비스는 우리 삶에 깊숙이 관여하고 있으며 이로 인해 등장하는 한계 요인을 최소화하는 장치가 필요하다. 둘째, 인공지능을 활용한 위험관리 모니터링은 적합하고 신뢰성이 있는 데이터 확보가 우선적으로 고려되어야 한다. 셋째, 인공지능 서비스의 개발과 운영시 등장하는 한계를 극복하기 위해서는 업무 단계별로 위험관리 프로세스를 적용하여 상시 모니터링이 요구된다 라는 것이다. 본 연구는 발전하고 있는 인공지능이 제공하고 한계요인을 최소화 할 수 있는 방안에 대한 연구이며 향후 관련 시장의 성장과 발달에서 위험관리에 대한 연구에 기여 할 수 있다.

• 한국방사선학회논문지
• /
• 제18권3호
• /
• pp.267-273
• /
• 2024

본 연구에서는 코딩없이 인공지능 학습 모델을 개발할 수 있는 클라우드 기반의 버텍스 AI 플렛폼을 이용하여 비전문가인 일반인들이 손쉽게 인공지능 학습 모델을 개발하였고 임상적 적용가능성을 확인하였다. 학습용 데이터는 캐글 사이트에 공개된 총9개 치과 질환, 2,999장 치근병 X선 영상을 사용하였고, 무작위로 학습, 검증 및 테스트 데이터 이미지를 분류하였다. 버텍스 AI의 기본 학습모델 워크플로우에서 학습 파이프라인을 사용하여 하이퍼 파라미터 조정작업을 통해 영상분류, 멀티레이블 학습을 수행하였다. Auto ML을 수행한 결과 AUC가 0.967, 정밀도는 95.6%, 재현율은 95.2%로 나타났으며, 학습된 인공지능 모델이 임상적 진단에 충분한 의미가 있음을 확인하였다.

• 한국건설관리학회논문집
• /
• 제12권3호
• /
• pp.62-72
• /
• 2011

건설 산업이 대형화 복잡화 되어감에 따라 사업 전체의 업무 절차를 파악하고, 요구되는 다양한 정보들을 제공하는 데 어려움이 많아지고 있다. 이에 따라 기존에 정비 제조 분야에서 업무 정보를 제공하기 위하여 사용되고 있는 IETM(대화형 전자매뉴얼; Interactive Electornic Technical Manual)을 건설 산업에 도입한 건설 전자매뉴얼을 통해 사업정보 관리를 지원하려는 연구가 진행되고 있다. 하지만 건설 사업의 경우 사업 환경의 변화에 따른 관련 정보의 변경이 빈번하게 발생하므로, 관리자가 매번 변경된 정보를 수집하고 조직화하는 작업을 수행하기에는 작업 빈도가 높고 정보의 수집이 어렵다는 문제점이 발생한다. 이에 본 연구에서는 건설 전자매뉴얼의 정보 관리 주체를 관리자에서 사용자 전체로 확대하여 정보를 실시간으로 재구성하는 집단지성 개념을 활용한 정보 관리 모델을 제안하고, 이를 도시환경정비사업의 전자매뉴얼에 적용하여 활용 가능성을 검증하고자 한다.

• 한국기록관리학회지
• /
• 제17권4호
• /
• pp.225-250
• /
• 2017

4차 산업혁명에 대한 관심이 고조되고 있다. 인공지능은 그 기반기술이며 핵심적인 기술이다. 기록관리 분야에서도 해외를 중심으로 효율적인 업무처리를 위해 인공지능이 도입되고 있는 추세이다. 본 연구에서는 먼저 인공지능의 개념을 제시 한 후, 인공지능이 태동되게 된 배경을 알아보았다, 또 인공지능의 다양한 분야에 대해 알아보고, 획기적인 사례를 중심으로 발전 과정을 살펴보았다. 다양한 영역에서 인공지능의 활용사례를 텍스트 분석, 영상인식 관련, 음성인식 관련하여 살펴보았다. 이 각각의 영역에서 기록정보서비스 측면에서의 적용 사례를 확인해보고, 지능형 기록정보서비스 모듈 구성 및 인터페이스 등 앞으로 기록관리 영역에서 가능한 활용 방안을 알아보고 제시하였다.

• 디지털융복합연구
• /
• 제10권2호
• /
• pp.231-235
• /
• 2012

생산정보시스템(Manufacturing Information System)은 생산기능을 구성하는 생산기획, 작업관리, 공정의 운영과 통제 그리고 생산실적관리 등과 관련된 활동을 지원하는 정보시스템이라 할 수 있다. 최근 생산 현장은 생산 고도화를 위하여 디지털 정보화 및 통합화에 대한 새로운 변화를 맞고 있다. 따라서 본 논문에서는 현재 생산정보화 시스템의 이슈들을 알아보고, 새로운 변화에 적응하기 위한 주요한 이슈 및 요소들을 제시한다. 마지막으로 이러한 요소들을 기반으로 하여 제조생산 정보화시스템 구축을 위한 비즈니스 인텔리전스 시스템을 제안한다.

• 한국기록관리학회:학술대회논문집
• /
• 한국기록관리학회 2019년도 춘계학술대회
• /
• pp.69-74
• /
• 2019

디지털 환경하에 전자기록은 폭발적으로 증가하고 있으나 전자기록을 효율적으로 관리하고, 효과적으로 서비스하는 방법에 대한 고민은 부족한 상황이다. 기록의 생산 관리 단계의 정보시스템인 온-나라 문서2.0, 기록관리시스템은 클라우드 기반으로 개발하여 보급 중에 있다. 영구기록관리시스템은 공공기록뿐만 아니라 다양한 유형의 민간기록도 입수하여 관리해야하기 때문에 기록관리 신기술 접목이 요구되는 상황이다. 본고에서는 영구기록 관리를 위한 자동화, 지능화 기술에 대해 알아보고자 한다.

• Korean Journal of Radiology
• /
• 제21권5호
• /
• pp.511-525
• /
• 2020

Chest X-ray radiography and computed tomography, the two mainstay modalities in thoracic radiology, are under active investigation with deep learning technology, which has shown promising performance in various tasks, including detection, classification, segmentation, and image synthesis, outperforming conventional methods and suggesting its potential for clinical implementation. However, the implementation of deep learning in daily clinical practice is in its infancy and facing several challenges, such as its limited ability to explain the output results, uncertain benefits regarding patient outcomes, and incomplete integration in daily workflow. In this review article, we will introduce the potential clinical applications of deep learning technology in thoracic radiology and discuss several challenges for its implementation in daily clinical practice.

• 인터넷정보학회논문지
• /
• 제23권1호
• /
• pp.125-134
• /
• 2022

정보 통신 및 인공지능 기술의 발전은 우리 군의 지휘통제체계의 지능화를 요구하며, 이를 달성하기 위해 다양한 시도가 이루어지고 있다. 본 논문은 특히, 지휘통제 워크플로우에서 활용 가능한 정보의 양이 폭발적으로 증가함에 따라 지휘통제체계 사용자에게 제공되는 정보 중 수행 업무에 가장 핵심적인 정보를 제공할 수 있는 협업 필터링(Collaborative Filtering, CF) 및 추천 시스템(Recommendation System, RS)에 주목한다. 군 지휘통제체계에서 정보의 필터링을 수행하는 RS는 가장 우선 설명 가능한 추천을 수행하여야 하며, 그 다음 지휘관들이 임무를 수행하는 다양한 상황을 고려한 추천이 수행되어야 한다. 본 논문에서는 지휘통제 워크플로우를 지원하기 위하여 정보를 선택적으로 추천하는 contextual pre-filtering CARS 프레임워크를 제안한다. 제안된 프레임워크는 1) 지휘결심자의 상황 및 관계에 기반하여 데이터를 사전에 필터링하는 contextual pre-filtering, 2) CF의 취약한 데이터 희소성 문제를 극복하기 위한 피쳐 선택, 3) 피쳐 간의 디스턴스를 사용자의 유사도 산출에 활용한 CF, 및 4) 사용자의 선호를 반영하기 위한 규칙 기반 포스트 필터링의 4 단계로 구성되어 있다. 본 연구의 우수성을 평가하기 위해서 상용 수준의 실험 데이터셋 2종에 대해 기존 CF 방법의 다양한 디스턴스 방법을 적용하여 비교 실험하였다. 비교 실험 결과 제안된 프레임워크가 3가지 평가지표(MAE, MSE, MSLE) 측면에서 우수함을 나타내었다.

• 한국의학물리학회지:의학물리
• /
• 제31권3호
• /
• pp.111-123
• /
• 2020

Deep learning (DL) is a subset of machine learning and artificial intelligence that has a deep neural network with a structure similar to the human neural system and has been trained using big data. DL narrows the gap between data acquisition and meaningful interpretation without explicit programming. It has so far outperformed most classification and regression methods and can automatically learn data representations for specific tasks. The application areas of DL in radiation oncology include classification, semantic segmentation, object detection, image translation and generation, and image captioning. This article tries to understand what is the potential role of DL and what can be more achieved by utilizing it in radiation oncology. With the advances in DL, various studies contributing to the development of radiation oncology were investigated comprehensively. In this article, the radiation treatment process was divided into six consecutive stages as follows: patient assessment, simulation, target and organs-at-risk segmentation, treatment planning, quality assurance, and beam delivery in terms of workflow. Studies using DL were classified and organized according to each radiation treatment process. State-of-the-art studies were identified, and the clinical utilities of those researches were examined. The DL model could provide faster and more accurate solutions to problems faced by oncologists. While the effect of a data-driven approach on improving the quality of care for cancer patients is evidently clear, implementing these methods will require cultural changes at both the professional and institutional levels. We believe this paper will serve as a guide for both clinicians and medical physicists on issues that need to be addressed in time.