Grading성적 평가
Relative Grading상대평가
Grade distribution set by university policy.대학교 정책에 따라 성적 분포 결정.
10%Attend.출석
30%HW과제
30%Mid.중간
30%Final기말
10% Attendance출석30% Homework과제30% Midterm중간고사30% Final기말고사
Schedule강의 일정
| 8/25 |
▶ Slides
|
Week주차 1
Conference Presentations 0. Student Research (full) 1. Select a Topic 2. Writing your Paper Conference Presentations 0. Student Research (full) 1. Select a Topic 2. Writing your Paper 📖 Use the template files provided to write your paper. | |
| 9/4 |
▶ Slides
|
Week주차 2
Introduction
Introduction
| |
| 9/11 |
▶ Slides
|
Week주차 3
Chapter 1. An introduction to neural networks and deep learning (1장. 신경망과 딥러닝 소개) Chapter 1. An introduction to neural networks and deep learning (1장. 신경망과 딥러닝 소개) | 과제 → |
| 9/18 |
▶ Slides
|
Week주차 4
Chapter 2. Deep reinforcement learning in medical imaging (2장. 의료 영상에서의 딥 강화학습) Chapter 2. Deep reinforcement learning in medical imaging (2장. 의료 영상에서의 딥 강화학습) | 과제 →과제 2 → |
| 9/25 |
▶ Slides
|
Week주차 5
Chapter 3. CapsNet for medical image segmentation (3장. 의료 영상 분할을 위한 CapsNet) Chapter 4. Transformer for medical image analysis (4장. 의료 영상 분석을 위한 트랜스포머) Chapter 3. CapsNet for medical image segmentation (3장. 의료 영상 분할을 위한 CapsNet) Chapter 4. Transformer for medical image analysis (4장. 의료 영상 분석을 위한 트랜스포머) | |
| 10/1 |
▶ Slides
|
Week주차 6
Chapter 5. An overview of disentangled representation learning for MR image harmonization (5장. MR 영상 조화를 위한 분리된 표현 학습 개요) Chapter 6. Hyper-graph learning and its applications for medical image analysis (6장. 의료 영상 분석을 위한 하이퍼 그래프 학습과 그 응용) Chapter 5. An overview of disentangled representation learning for MR image harmonization (5장. MR 영상 조화를 위한 분리된 표현 학습 개요) Chapter 6. Hyper-graph learning and its applications for medical image analysis (6장. 의료 영상 분석을 위한 하이퍼 그래프 학습과 그 응용) | 과제 → |
| 10/9🔴 No Class휴강 |
No Class Chuseok!~
No Class Chuseok!~
| ||
| 10/16 |
▶ Slides
|
Week주차 7
Chapter 7. Unsupervised domain adaptation for medical image analysis (7장. 의료 영상 분석을 위한 비지도 도메인 적응) Chapter 8. Medical image synthesis and reconstruction using generative adversarial networks (8장. 생성적 적대 신경망을 이용한 의료 영상 합성 및 재구성) Chapter 7. Unsupervised domain adaptation for medical image analysis (7장. 의료 영상 분석을 위한 비지도 도메인 적응) Chapter 8. Medical image synthesis and reconstruction using generative adversarial networks (8장. 생성적 적대 신경망을 이용한 의료 영상 합성 및 재구성) | Google 클래스룸 가입 (@gmail.com)
|
| 10/23 |
▶ Slides
|
Week주차 8
LMS 온라인 동영상 수업 중간고사 스터디 가이드 LMS 온라인 동영상 수업 중간고사 스터디 가이드 | |
| 10/30📝 Exam시험 |
Midterm Test 스터디 가이드 어휘 Midterm Test 스터디 가이드 어휘 | ||
| 11/6 |
▶ Slides
|
Week주차 9
Chapter 9. Deep learning for medical image reconstruction (9장. 의료 영상 재구성을 위한 딥러닝) Chapter 9. Deep learning for medical image reconstruction (9장. 의료 영상 재구성을 위한 딥러닝) | |
| 11/13 |
▶ Slides
|
Week주차 10
Chapter 10. Dynamic inference using neural architecture search in medical image segmentation (10장. 의료 영상 분할에서 신경망 구조 검색을 이용한 동적 추론) Chapter 10. Dynamic inference using neural architecture search in medical image segmentation (10장. 의료 영상 분할에서 신경망 구조 검색을 이용한 동적 추론) | |
| 11/20 |
▶ Slides
|
Week주차 11
Chapter 11. Multi-modality cardiac image analysis with deep learning (11장. 딥러닝을 이용한 다중 모달리티 심장 영상 분석) Chapter 12. Deep learning-based medical image registration (12장. 딥러닝 기반 의료 영상 등록) Chapter 11. Multi-modality cardiac image analysis with deep learning (11장. 딥러닝을 이용한 다중 모달리티 심장 영상 분석) Chapter 12. Deep learning-based medical image registration (12장. 딥러닝 기반 의료 영상 등록) | |
| 11/27 |
▶ Slides
|
Week주차 12
Chapter 13. Data-driven learning strategies for biomarker detection and outcome prediction in Autism from task-based fMRI (13장. 작업 기반 fMRI에서 자폐증의 바이오마커 탐지 및 결과 예측을 위한 데이터 기반 학습 전략) Chapter 13. Data-driven learning strategies for biomarker detection and outcome prediction in Autism from task-based fMRI (13장. 작업 기반 fMRI에서 자폐증의 바이오마커 탐지 및 결과 예측을 위한 데이터 기반 학습 전략) | |
| 12/4 |
▶ Slides
|
Week주차 13
Chapter 14. Deep learning in functional brain mapping and associated applications (14장. 기능적 뇌 매핑 및 관련 응용에서의 딥러닝) Chapter 14. Deep learning in functional brain mapping and associated applications (14장. 기능적 뇌 매핑 및 관련 응용에서의 딥러닝) | |
| 12/11 |
▶ Slides
|
Week주차 14
Chapter 15. Detecting, localizing, and classifying polyps from colonoscopy videos using deep learning (15장. 대장내시경 비디오에서 딥러닝을 이용한 폴립 탐지, 위치 파악 및 분류) Chapter 16. OCTA segmentation with limited training data using disentangled representation learning (16장. 분리된 표현 학습을 이용한 제한된 훈련 데이터를 가진 OCTA 분할) Chapter 15. Detecting, localizing, and classifying polyps from colonoscopy videos using deep learning (15장. 대장내시경 비디오에서 딥러닝을 이용한 폴립 탐지, 위치 파악 및 분류) Chapter 16. OCTA segmentation with limited training data using disentangled representation learning (16장. 분리된 표현 학습을 이용한 제한된 훈련 데이터를 가진 OCTA 분할) | |
| 12/18📝 Exam시험 | |||
Overview과목 소개
Prerequisites선수 과목
- No formal prerequisites. Curiosity required. 공식 선수 과목 없음. 호기심 필수.
딥러닝 기반 의료영상 분석 기법(분류, 분할, 검출)과 임상 응용을 학습합니다. Python과 PyTorch를 활용한 실습 프로젝트를 통해 의료 AI 개발 역량을 기릅니다.
This course covers deep learning-based medical image analysis (classification, segmentation, detection) and clinical applications, with Python/PyTorch projects for building medical AI systems.
Textbooks교재
Instructor강사 소개
Aaron Snowberger
Ph.D. · Hanbat National University (2023)
Aaron Snowberger earned his Ph.D. in Information and Communications Engineering from Hanbat National University in South Korea in 2023. He also holds degrees in Computer Science and Media Design. He has taught technology courses for over 8 years, English for over 15 years, and has freelanced as a web developer and magazine designer for over 5 years. His current research interests include computer vision, natural language processing, image processing, signal processing, and machine learning.
Aaron Snowberger는 2023년 한국 한밭대학교에서 정보통신공학 박사 학위를 취득했습니다. 그는 또한 컴퓨터 과학 및 미디어 디자인 학위를 취득했습니다. 그는 8년 이상 기술 과정을 가르쳤고, 15년 이상 영어를 가르쳤으며, 5년 이상 웹 개발자 및 잡지 디자이너로 프리랜서로 일했습니다. 현재 연구 관심사는 컴퓨터 비전, 자연어 처리, 영상 처리, 신호 처리, 기계 학습입니다.