• 한국초등과학교육학회지:초등과학교육
• /
• 제27권1호
• /
• pp.60-74
• /
• 2008

The purpose of this study was to examine the effects of a brain-based science teaching and learning model on the science related attitudes, scientific inquiry skills and science knowledge of the 2nd graders in Intelligent Life course. For this study, 117 elementary students from four classes of the 2nd grade in Seoul were selected. In the comparison group, traditional instruction was implemented and in the experimental group, instruction according to brain-based science teaching and learning model was implemented for four weeks. The results of this study were as follows : There were little differences between the comparison and experimental groups in terms of the science related attitudes except for the sub-domains of interest and curiosity. And brain-based science teaching and learning model programs improved a few scientific inquiry skills, especially observation and classification. In addition, the experimental groups showed a positive effect on science knowledge. In conclusion, brain-based science teaching and learning model programs were more effective in improvement of the science related attitudes, scientific inquiry skills and science knowledge of elementary students.

• ETRI Journal
• /
• 제46권2호
• /
• pp.263-276
• /
• 2024

Different diseases occur in the brain. For instance, hereditary and progressive diseases affect and degenerate the white matter. Although addressing, diagnosing, and treating complex abnormalities in the brain is challenging, different strategies have been presented with significant advances in medical research. With state-of-art developments in artificial intelligence, new techniques are being applied to brain magnetic resonance images. Deep learning has been recently used for the segmentation and classification of brain images. In this study, we classified normal and pathological brain images using pretrained deep models through transfer learning. The EfficientNet-B5 model reached the highest accuracy of 98.39% on real data, 91.96% on augmented data, and 100% on pathological data. To verify the reliability of the model, fivefold cross-validation and a two-tier cross-test were applied. The results suggest that the proposed method performs reasonably on the classification of brain magnetic resonance images.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권12호
• /
• pp.4816-4834
• /
• 2020

This paper proposes transfer learning and fine-tuning techniques for a deep learning model to detect three distinct brain tumors from Magnetic Resonance Imaging (MRI) scans. In this work, the recent YOLOv4 model trained using a collection of 3064 T1-weighted Contrast-Enhanced (CE)-MRI scans that were pre-processed and labeled for the task. This work trained with the partial 29-layer YOLOv4-Tiny and fine-tuned to work optimally and run efficiently in most platforms with reliable performance. With the help of transfer learning, the model had initial leverage to train faster with pre-trained weights from the COCO dataset, generating a robust set of features required for brain tumor detection. The results yielded the highest mean average precision of 93.14%, a 90.34% precision, 88.58% recall, and 89.45% F1-Score outperforming other previous versions of the YOLO detection models and other studies that used bounding box detections for the same task like Faster R-CNN. As concluded, the YOLOv4-Tiny can work efficiently to detect brain tumors automatically at a rapid phase with the help of proper fine-tuning and transfer learning. This work contributes mainly to assist medical experts in the diagnostic process of brain tumors.

• 한국컴퓨터정보학회논문지
• /
• 제26권7호
• /
• pp.37-44
• /
• 2021

뇌 MRI 영상의 자동 분류는 뇌종양의 조기 진단을 하는 데 있어 중요한 역할을 한다. 본 연구에서 우리는 심층 특징 앙상블을 사용한 MRI 영상에서의 딥 러닝 기반 뇌종양 분류 모델을 제안한다. 우선 사전 학습된 3개의 합성 곱 신경망을 사용하여 입력 MRI 영상에 대한 심층 특징들을 추출한다. 그 이후 추출된 심층 특징들은 완전 연결 계층들로 구성된 분류 모듈의 입력 값으로 들어간다. 분류 모듈에서는 우선 3개의 서로 다른 심층 특징들 각각에 대해 먼저 완전 연결 계층을 거쳐 특징 차원을 줄인다. 그 이후 3개의 차원이 준 특징들을 결합하여 하나의 특징 벡터를 생성한 뒤 다시 완전 연결 계층의 입력값으로 들어가서 최종적인 분류 결과를 예측한다. 우리가 제안한 모델을 평가하기 위해 웹상에 공개된 뇌 MRI 데이터 셋을 사용하였다. 실험 결과 우리가 제안한 모델이 다른 기계학습 기반 모델보다 더 좋은 성능을 나타냄을 확인하였다.

• Journal of Multimedia Information System
• /
• 제8권2호
• /
• pp.79-84
• /
• 2021

Detecting brain tumors of different sizes is a challenging task. This study aimed to identify brain tumors using detection algorithms. Most studies in this area use segmentation; however, we utilized detection owing to its advantages. Data were obtained from 64 patients and 11,200 MR images. The deep learning model used was RetinaNet, which is based on ResNet152. The model learned three different types of pre-processing images: normal, general histogram equalization, and contrast-limited adaptive histogram equalization (CLAHE). The three types of images were compared to determine the pre-processing technique that exhibits the best performance in the deep learning algorithms. During pre-processing, we converted the MR images from DICOM to JPG format. Additionally, we regulated the window level and width. The model compared the pre-processed images to determine which images showed adequate performance; CLAHE showed the best performance, with a sensitivity of 81.79%. The RetinaNet model for detecting brain tumors through deep learning algorithms demonstrated satisfactory performance in finding lesions. In future, we plan to develop a new model for improving the detection performance using well-processed data. This study lays the groundwork for future detection technologies that can help doctors find lesions more easily in clinical tasks.

• 만화애니메이션 연구
• /
• 통권38호
• /
• pp.71-91
• /
• 2015

본 연구는 애니메이션의 전문적인 특성을 고려한 라이프 드로잉 교수법을 연구하는 과정으로 두뇌의 창작 기제를 고려한 전략을 적용한 모형과 교수방법 설계를 목적으로 한다. 최근 들어 창의성을 기반으로 하는 각 전문분야의 교육방법에 대한 대안적인 논의로 뇌 기반 학습원리를 적용한 융합적 교수법에 대한 연구결과들이 발표되고 있다. 즉, 뇌의 창의기제를 기반으로 한 융합적 교육은 미술과 드로잉 교육뿐만 아니라, 예술전반에서 적용되고 있는 것이다. 라이프 드로잉은 인체에 대한 구조적 지식을 넘어서 인지적 감각, 창의성, 그리고 동작을 통한 대상과의 소통방식을 이해한 생동감 표현법 등을 숙련할 수 있는 종합적인 교수법을 요하는 분야이다. 이에 본 연구에서는 연구의 앞선 단계에서 분석된 창의, 학습기제와 내용요소를 바탕으로 하여 라이프 드로잉 숙련을 위한 전략과 방법 그것을 정리한 교육모형 구조도를 설계하여 본다. 그 결과 이전 연구의 결과물인 뇌의 창의, 학습 기제를 기반으로 한 라이프드로잉의 능력요소와 두뇌기반 촉진요소가 유기적으로 결합되기 위해서는 5단계 인지전략단계인 뇌 활성화 준비단계, 대뇌피질 기능 활성화, 고등사고촉진단계, 고등사고단계, 통합단계를 거쳤을 때 가능하다는 결론에 도달하였다. 또한 이를 실행하기위한 전략적 방법으로는 브레인짐(brain gym), 우뇌활성화드로잉, HSP(고차인지)트레이닝으로 설계되었다. 이를 토대로 하여 설계된 교수학습모형 구조도는 이후의 연구에서 해당 회기 동안의 교수학습지도안 설계로 이어진다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제18권1호
• /
• pp.105-125
• /
• 2024

Gliomas are the most common malignant brain tumor and cause the most deaths. Manual brain tumor segmentation is expensive, time-consuming, error-prone, and dependent on the radiologist's expertise and experience. Manual brain tumor segmentation outcomes by different radiologists for the same patient may differ. Thus, more robust, and dependable methods are needed. Medical imaging researchers produced numerous semi-automatic and fully automatic brain tumor segmentation algorithms using ML pipelines and accurate (handcrafted feature-based, etc.) or data-driven strategies. Current methods use CNN or handmade features such symmetry analysis, alignment-based features analysis, or textural qualities. CNN approaches provide unsupervised features, while manual features model domain knowledge. Cascaded algorithms may outperform feature-based or data-driven like CNN methods. A revolutionary cascaded strategy is presented that intelligently supplies CNN with past information from handmade feature-based ML algorithms. Each patient receives manual ground truth and four MRI modalities (T1, T1c, T2, and FLAIR). Handcrafted characteristics and deep learning are used to segment brain tumors in a Global Convolutional Neural Network (GCNN). The proposed GCNN architecture with two parallel CNNs, CSPathways CNN (CSPCNN) and MRI Pathways CNN (MRIPCNN), segmented BraTS brain tumors with high accuracy. The proposed model achieved a Dice score of 87% higher than the state of the art. This research could improve brain tumor segmentation, helping clinicians diagnose and treat patients.

• Journal of the Korean Data and Information Science Society
• /
• 제20권3호
• /
• pp.541-550
• /
• 2009

본 연구는 영어학습 영역별 (듣기쓰기능력, 단어수준, 스피킹, 단어기억, 리스닝) 성취도에 따른 대뇌피질 내의 뇌기능 활성화에 대한 관련성을 규명한 것이다. 좌뇌 기반으로 알려진 영어학습에 대한 우뇌적 요인에 대한 연구들이 진행되었다. 뇌기능 영상화 중에서 정량뇌파분석를 사용하여 영어학습에 관여하는 뇌 영역별 정량뇌파 결과를 분석함으로써 영어학습을 뇌 영역별 활성화로 변별할 수 있는 기준을 마련한 것이다. 영어학습의 좌우뇌 균형발달을 위한 지침을 제시하였으며 특정 학습영역과 연계한 뇌의 활성화를 제시함으로써 개인별 뇌 기능에 따른 영어학습 향상을 위한 뇌기능을 훈련할 수 있는 이론적 토대를 마련하였다 (권형규, 2008). 이를 통하여 단순한 이미지와 오감을 활용한 우뇌적 학습방향이 아니라 개인별 정량뇌파 데이터에 의한 통합뇌 훈련모형을 개발하였다. 정량뇌파 분석을 위해서는 피험자 개인별 영어능력 검사점수에 대한 뇌파지표를 도출하여 단계적 변수선택법에 의한 다중회귀분석을 실시하였다.

• 한국초등과학교육학회지:초등과학교육
• /
• 제24권1호
• /
• pp.86-101
• /
• 2005

In this study, a brain-basrd model for science teaching and learning was developed based on the natural processes which human acquire knowledge about a natural object or on event, the major domains of science educational objectives of the national curriculum, and the human brain's organizational patterns and functions. In the model, each educational objective domain is related to the brain regions as follows: The affective domain is related to the limbic system, especially amygdala of human brain which is involved in emotions, the psychomotor domain is related to the occipital lobes of human brain which perform visual processing, temporal lobes which perform functions of language generating and understandng, and parietal lobes which receive and process sensory information and execute motor activities of body, and the cognitive domain is related to the frontal and prefrontal lobes which are involved in think-ing, planning, judging, and problem solving. The model is a kind of procedural model which proceed fiom affective domain to psychomotor domain, and to cognitive domain of science educational objective system, and emphasize the order of each step and authentic assessment at each step. The model has both properties of circularity and network of activities. At classrooms, the model can be used as various forms according to subjects and student characteristics. STS themes can be appropriately covered by the model.

• 한국초등과학교육학회지:초등과학교육
• /
• 제41권4호
• /
• pp.616-626
• /
• 2022

본 연구에서는 뇌 기반 수업 모형을 적용한 과학 수업이 초등학생의 과학 자기효능감, 창의적 문제해결력 및 과학 학업성취도에 미치는 효과에 대해 알아보고자 하였다. 연구 대상은 B광역시 J초등학교 1개의 학급 22명을 실험집단, 다른 1개의 학급 22명을 비교집단으로 구성하였다. 실험집단은 뇌 기반 수업 모형을 적용한 과학 수업을 실시하였고, 비교집단은 교과서와 교사용 지도서에 따른 일반적인 설명식 과학 수업을 실시하였다. 본 연구의 결과는 다음과 같다. 첫째, 뇌 기반 수업 모형을 적용한 과학 수업이 초등학생의 과학 자기효능감에 긍정적인 영향을 미쳤다. 둘째, 뇌 기반 수업 모형을 적용한 과학 수업이 초등학생의 창의적 문제해결력에 긍정적인 영향을 미쳤다. 셋째, 뇌 기반 수업 모형을 적용한 과학 수업이 초등학생의 과학 학업성취도에 긍정적인 영향을 미쳤다. 위와 같은 연구 결과를 통하여 뇌 기반 수업 모형을 적용한 과학 수업이 초등학생의 과학 자기효능감, 창의적 문제해결력 및 과학 학업성취도에 효과적인 수업 모형이라는 것을 확인할 수 있었다.