의료/바이오 특화 AI: 의료 영상 및 헬스케어 데이터 분석 실습
강좌 소개
디지털 헬스케어 및 바이오 인포매틱스 분야에서 빠르게 성장하고 있는 의료 인공지능(Medical AI)의 핵심 도메인 지식과 딥러닝 실전 기법을 다룹니다.
의료 표준 영상 포맷인 DICOM과 NIfTI 데이터를 pydicom으로 파싱하고 윈도잉(Windowing) 전처리를 수행합니다. 흉부 X-ray 폐렴 진단 분류 모델과 CT/MRI 영상의 장기 및 병변을 분할하는 U-Net 아키텍처를 구현합니다.
이 강좌에서 배우는 것들
- 의료 영상 데이터 표준(DICOM, HU 스케일)과 전처리 기법 습득
- 흉부 X-ray 질환 분류 딥러닝 모델 개발 및 클래스 불균형 극복
- U-Net 아키텍처를 활용한 의료 세그멘테이션(Segmentation) 실습
- 의료 AI의 인허가 절차 및 설명 가능성(XAI) 요구사항 이해
교육 과정 (Curriculum)
Section 1: 의료 영상 데이터의 이해와 DICOM 처리
- 의료 AI 생태계와 임상 데이터의 특수성 및 규제
- DICOM 파일 구조 분석과 메타데이터 및 픽셀 어레이 추출
- 하운스필드 단위(Hounsfield Unit)와 조직별 윈도잉(Windowing) 기법
Section 2: 흉부 X-ray 질환 진단 분류 모델
- NIH ChestX-ray 데이터셋 로딩 및 다중 레이블(Multi-label) 전처리
- 사전학습 DenseNet을 활용한 폐렴/결핵 진단 모델 구축
- ROC-AUC 평가 지표와 의료적 민감도(Sensitivity)/특이도(Specificity) 분석
Section 3: U-Net 기반 의료 영상 분할(Segmentation)
- 의료 영상 분할의 필요성과 U-Net 스킵 연결(Skip Connection) 구조
- Dice Loss와 IoU 지표를 활용한 미세 병변 학습 손실 함수 설계
- 뇌 MRI 종양(Brain Tumor) 영역 분할 및 3D 시각화 프로젝트
필수 조건
- 파이썬 중급 및 PyTorch CNN 딥러닝 지식
수강 대상
- 의료/바이오/디지털 헬스케어 분야로 진출하려는 AI 엔지니어
- 병원 데이터 및 바이오 메디컬 연구를 수행하는 연구원/의료인
- 특수 도메인 딥러닝 모델링 포트폴리오를 구축하려는 학습자