Artificial Intelligence5 Chamier et al., 2019, Artificial intelligence for microscopy: what you should know # Three-line Summary # Artificial Intelligence based on Deep Learning (DL) is opening new horizons in biomedical research and promises to revolutionize the microscopy field. We introduce recent developments in DL applied to microscopy in a manner accessible to non-experts. We discuss how DL shows an outstanding potential to push the limits of microscopy, enhancing resolution, signal, and informa.. 2022. 9. 2. [ResNet] He et al., 2015, Deep Residual Learning for Image Recognition # 세줄 요약 # We present a residual learning framework to ease the training of networks that are substantially deeper than those used previously. We provide comprehensive empirical evidence showing that these residual networks are easier to optimize, and can gain accuracy from considerably increased depth (evaluate residual nets with a depth of up to 152 layers). This result won the 1st place on the.. 2021. 10. 17. Lee & Park, 2019, Application of Artificial Intelligence in Lung Cancer Sreening # 세줄요약 # 저선량 CT를 이용한 폐암검진은 그 폐암 사망률 감소 효과가 입증되었기에, 효과적인 폐암검진을 위해서는 저선량 CT에 대한 정확한 판독이 필요하다. 인공지능 기술을 활용한 저선량 CT 판독 보조시스템 개발은 영상의학 전문가들의 판독에 대한 피로도를 줄일 수 있고, 딥러닝(deep learning) 기술의 적용으로 우수한 진단성능을 보이기에 학계 및 산업계에서 큰 관심을 보이고 있다. 폐암검진에서 딥러닝 기술(인공지능 기술)을 적용할 수 있는 분야는 컴퓨터 보조 병변 검출, 판독문 생성, 폐결절의 악성도 평가, 환자의 예후 예측 등이 있다. # 상세리뷰 # 1. 저선량 CT를 이용한 폐암검진은 그 폐암 사망률 감소 효과가 입증되었기에, 효과적인 폐암검진을 위해서는 저선량 CT에 대한 정확한.. 2021. 3. 15. Ardila et al., 2019, End-to-end lung cancer screening with three-dimensional deep learning on low-dose chest computed tomography # 세줄요약 # We propose a deep learning algorithm that uses a patient’s current and prior computed tomography volumes to predict the risk of lung cancer. Our model achieves a state-of-the-art performance (94.4% area under the curve) on 6,716 National Lung Cancer Screening Trial cases, and performs similarly on an independent clinical validation set of 1,139 cases. We conducted two reader studies: Fi.. 2019. 11. 11. Jo et al., 2019, Deep Learning in Alzheimer's Disease: Diagnostic Classification and Prognostic Prediction Using Neuroimaging Data. # 세줄요약 # 최근 뇌영상 처리(Neuroimaging Techniques) 기법들의 빠른 발전과 MRI, PET 등 다양한 종류에서 방대한 양의 뇌영상 데이터들이 나오면서, 딥러닝을 이용하여 알츠하이머 질병의 조기 발견과 자동 분류를 해주는 진단 모델들이 연구 및 개발되고 있다. 이 논문에서는 그러한 알츠하이머 진단 모델들의 기존 연구들을 평가하고 정리하기 위해 총 16개의 논문들을 리뷰하였으며, 그 중 4개는 딥러닝과 함께 전통적인 머신러닝 기법을 사용한 연구들이고, 나머지 12개는 오직 딥러닝 기법만 사용한 연구들이다. 딥러닝 기법은 기존의 전통적인 머신러닝 기법에서 전제되는 특성 추출을 위한 복잡하고 어려운 뇌 영상 처리 기법들을 적용할 필요가 없기에, 현재 다양한 종류의 뇌영상(MRI, PET.. 2019. 10. 15. 이전 1 다음
