• Korean Journal of Radiology
• /
• 제22권3호
• /
• pp.442-453
• /
• 2021

Artificial intelligence (AI) will likely affect various fields of medicine. This article aims to explain the fundamental principles of clinical validation, device approval, and insurance coverage decisions of AI algorithms for medical diagnosis and prediction. Discrimination accuracy of AI algorithms is often evaluated with the Dice similarity coefficient, sensitivity, specificity, and traditional or free-response receiver operating characteristic curves. Calibration accuracy should also be assessed, especially for algorithms that provide probabilities to users. As current AI algorithms have limited generalizability to real-world practice, clinical validation of AI should put it to proper external testing and assisting roles. External testing could adopt diagnostic case-control or diagnostic cohort designs. A diagnostic case-control study evaluates the technical validity/accuracy of AI while the latter tests the clinical validity/accuracy of AI in samples representing target patients in real-world clinical scenarios. Ultimate clinical validation of AI requires evaluations of its impact on patient outcomes, referred to as clinical utility, and for which randomized clinical trials are ideal. Device approval of AI is typically granted with proof of technical validity/accuracy and thus does not intend to directly indicate if AI is beneficial for patient care or if it improves patient outcomes. Neither can it categorically address the issue of limited generalizability of AI. After achieving device approval, it is up to medical professionals to determine if the approved AI algorithms are beneficial for real-world patient care. Insurance coverage decisions generally require a demonstration of clinical utility that the use of AI has improved patient outcomes.

• Parasites, Hosts and Diseases
• /
• 제46권4호
• /
• pp.261-263
• /
• 2008

Strongyloides stercoralis is a human intestinal parasite which may lead to complicated strongyloidiasis in immunocompromised. Here, a case of complicated strongyloidiasis in a patient with chronic lymphocytic leukemia is reported. Presence of numerous S. stercoralis larvae in feces and sputum confirmed the diagnosis of hyperinfection syndrome in this patient. Following recovery of filariform larvae from agar plate culture of the stool, the isolate was characterized for the ITS1 region of ribosomal DNA gene by nested-PCR and sequencing. Albendazole therapy did not have cure effects; and just at the beginning of taking ivermectin, the patient died. The most important clue to prevent such fatal consequences is early diagnosis and proper treatment.

• International Journal of Advanced Culture Technology
• /
• 제9권4호
• /
• pp.274-281
• /
• 2021

In the field of artificial intelligence education, discussions on the direction of artificial intelligence education are actively underway, and it is necessary to establish a foundation for future information education. It is necessary to design a creative convergence teaching-learning and evaluation method. Although AI experience coding education has been applied, the evaluation stage is insufficient. In this paper, we propose an evaluation system that can verify the validity of the proposed education model to find a way to supplement the existing learning module. The core components of this proposed system are Assessment-Factor, Self-Diagnosis, Item Bank, and Evaluation Result modules, which are designed to enable system access according to the roles of administrator, instructors and learners. This system enables individualized learning through online and offline connection.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.595-596
• /
• 2023

스마트팩토리의 핵심 설비 기기인 협동로봇의 유지보수를 위해 다양한 센서 데이터를 활용한 딥러닝 기반 결함 진단 연구가 확대되고 있다. 하지만 협동로봇은 기계적 특성과 수행하는 작업의 다양성으로 인해 내부 센서 데이터의 복잡도가 매우 높아 고정적인 결함 진단 기법을 적용하기 어렵다. 따라서 본 논문은 협동로봇의 동작 패턴을 직관적이고 신속하게 인지할 수 있는 비전 기술을 활용하여, 동작 오류 진단을 기반으로 원인이 되는 조인트 결함 위치를 추적하는 딥러닝 기법을 제안한다.

• 전기전자학회논문지
• /
• 제27권4호
• /
• pp.601-609
• /
• 2023

본 논문에서는 DC 계통의 지락고장시 고속 고장진단을 위해 FPGA를 이용한 인공지능기반 고장진단 방법을 제안한다. 인공지능 알고리즘을 고장진단에 적용시 많은 연산량과 대용량의 실시간 데이터 처리가 요구된다. 또한 DC 계통에서의 고장 및 사고는 고장 전류의 빠른 상승률로 인하여 DC 차단기가 고속 차단능력이 필요하다. 인공지능기반 고속 고장진단이 가능한 FPGA를 사용하여 DC 차단기가 더 빠르게 동작함으로써, DC 차단기의 차단용량을 줄일 수 있다. 따라서 본 논문에서는 Matlab Simulink를 이용하여 DC계통의 고장 모의를 통해 고장데이터를 수집하여 지능형 고속 진단 알고리즘 구현하였으며, FPGA에 지능형 고속고장 진단 알고리즘을 적용 및 성능검증을 하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제67차 동계학술대회논문집 31권1호
• /
• pp.457-460
• /
• 2023

본 연구는 시설작물의 병충해 진단을 위해 딥러닝 모델을 응용한 인공지능 서비스 앱, Dr. Vegetable을 제안하고자 한다. 농업 현장에서 숙련된 농부는 한눈에 농작물의 병충해를 판단할 수 있지만 미숙련된 농부는 병충해 피해를 발견하더라도 그 종류와 해결 방법을 찾아내기가 매우 어렵다. 또한 아무리 숙련된 농부라고 할지라도 육안검사만으로 병충해를 조기에 발견하는 것은 쉽지 않다. 한편 시설작물의 경우 병충해에 의한 연쇄피해가 발생할 우려가 있으므로 병충해의 조기 발견 및 방제가 매우 중요하다. 즉, 농부의 경험에 따른 농작물 병해충 진단은 정확성을 장담할 수 없으며 비용과 시간적인 측면에서 위험성이 높다고 할 수 있다. 본 논문에서는 YOLOv5를 활용하여 상추, 고추, 토마토 등 농작물의 병충해를 진단하는 인공지능 서비스를 제안한다. 특히 한국지능정보사회진흥원이 운영하고 있는 AI 통합 플랫폼인 AI 허브에서 제공하는 노지 작물 질병 및 해충 진단 이미지를 사용하여 딥러닝 모델을 학습하였다. 본 연구를 통해 개발된 모바일 어플리케이션을 이용하여 실제 시설농장에서 병충해 진단 서비스를 적용한 결과 약 86%의 정확도, F1 Score 0.84, 그리고 0.98의 mAP 값을 얻을 수 있었다. 본 연구에서 개발한 병충해 진단 딥러닝 모델을 다양한 조도에서 강인하게 동작하도록 개선한다면 농업 현장에서 널리 활용될 수 있을 것으로 기대한다.

• 의학교육논단
• /
• 제22권2호
• /
• pp.99-114
• /
• 2020

The rapid development of artificial intelligence (AI), including deep learning, has led to the development of technologies that may assist in the diagnosis and treatment of diseases, prediction of disease risk and prognosis, health index monitoring, drug development, and healthcare management and administration. However, in order for AI technology to improve the quality of medical care, technical problems and the efficacy of algorithms should be evaluated in real clinical environments rather than the environment in which algorithms are developed. Further consideration should be given to whether these models can improve the quality of medical care and clinical outcomes of patients. In addition, the development of regulatory systems to secure the safety of AI medical technology, the ethical and legal issues related to the proliferation of AI technology, and the impacts on the relationship with patients also need to be addressed. Systematic training of healthcare personnel is needed to enable adaption to the rapid changes in the healthcare environment. An overall review and revision of undergraduate medical curriculum is required to enable extraction of significant information from rapidly expanding medical information, data science literacy, empathy/compassion for patients, and communication among various healthcare providers. Specialized postgraduate AI education programs for each medical specialty are needed to develop proper utilization of AI models in clinical practice.

• 마이크로전자및패키징학회지
• /
• 제30권1호
• /
• pp.30-41
• /
• 2023

고성능 전자제품의 수요가 증가함에 따라 이를 구현하기 위한 고성능 반도체의 수요도 증가하고 있다. 그러나 성능이 높아지고 운용환경이 다양해질수록 전자패키지의 신뢰성이 회로 전체의 성능과 신뢰성에 병목이 되고 있는 상황이다. 이에 전자패키지에 대한 결함검출 및 진단 기술이 주목받고 있는데, IEEE 이종집적화 로드맵에서는 신뢰성 물리 및 인공지능 기술을 융합한 디지털트윈 전략을 제시하고 있다. 따라서 본 논문에서는 시그널 기반의 전자패키지 결함검출 및 진단 기술을 리뷰하고, 인공지능을 접목한 연구사례를 분석하고자 한다. 더불어 이러한 인공지능 응용 연구의 동향과 전망을 함께 제시한다.

• Korean Journal of Radiology
• /
• 제25권1호
• /
• pp.86-102
• /
• 2024

Early diagnosis, accurate assessment, and localization of peritoneal metastasis (PM) are essential for the selection of appropriate treatments and surgical guidance. However, available imaging modalities (computed tomography [CT], conventional magnetic resonance imaging [MRI], and 18fluorodeoxyglucose positron emission tomography [PET]/CT) have limitations. The advent of new imaging techniques and novel molecular imaging agents have revealed molecular processes in the tumor microenvironment as an application for the early diagnosis and assessment of PM as well as real-time guided surgical resection, which has changed clinical management. In contrast to clinical imaging, which is purely qualitative and subjective for interpreting macroscopic structures, radiomics and artificial intelligence (AI) capitalize on high-dimensional numerical data from images that may reflect tumor pathophysiology. A predictive model can be used to predict the occurrence, recurrence, and prognosis of PM, thereby avoiding unnecessary exploratory surgeries. This review summarizes the role and status of different imaging techniques, especially new imaging strategies such as spectral photon-counting CT, fibroblast activation protein inhibitor (FAPI) PET/CT, near-infrared fluorescence imaging, and PET/MRI, for early diagnosis, assessment of surgical indications, and recurrence monitoring in patients with PM. The clinical applications, limitations, and solutions for fluorescence imaging, radiomics, and AI are also discussed.

• 한국방사선학회논문지
• /
• 제17권6호
• /
• pp.873-879
• /
• 2023

본 연구는 인공지능(AI)을 사용하여 흉부 엑스레이 이미지에서 이물질을 탐지하는 방법을 탐구하였다. 의료영상학, 특히 흉부 엑스레이는 폐렴이나 폐암과 같은 질병을 진단하는 데 매우 중요한 역할을 한다. 영상의학 검사가 증가함에 따라 AI는 효율적이고 빠른 진단을 위한 중요한 도구가 되었다. 하지만 이미지에는 단추나 브래지어 와이어와 같은 일상적인 장신구를 포함한 이물질이 포함될 수 있어 정확한 판독을 방해할 수 있다. 본 연구에서는 이러한 이물질을 정확하게 식별하는 AI 알고리즘을 개발하였고, 미국 국립보건원 흉부 엑스레이 데이터셋을 가공하여 YOLOv8 모델을 기반으로 처리하였다. 그 결과 정확도, 정밀도, 리콜, F1-score가 모두 0.91에 가까울 정도로 높은 탐지 성능을 보였다. 이번 연구는 AI의 뛰어난 성능에도 불구하고 이미지 내 이물질로 인해 판독 결과가 왜곡될 수 있는 문제점을 해결함으로써 영상의학 분야에서 AI의 혁신적인 역할과 함께, 임상 구현에 필수적인 정확성에 기반하여 신뢰성을 강조하였다.