과정 소개
AI 융합 [AI융합] AI를 활용한 실전 의료 데이터 처리
과정상세
- 강좌명 : [AI융합] AI를 활용한 실전 의료 데이터 처리
- 훈련 기간 : 30일, 33 시간
차시별 내용
| 차시 | 강의내용 |
|---|---|
| 1 | AI 윤리 - 기술을 넘어 사회와 인간의 문제[상세] 학습목표 AI 활용이 기술 문제가 아니라 기업의 사회적 책임과 의사결정 문제임을 이해한다. AI 편향, 책임, 신뢰 문제 등 핵심 윤리 쟁점을 기업 관점에서 설명할 수 있다. AI 윤리를 경영 리스크 및 ESG 관점에서 판단할 수 있는 기준을 갖는다. 학습내용 AI 윤리의 등장 배경과 기업 환경에서의 의미 편향·차별, 불투명성, 책임 전가 등 AI 윤리의 주요 쟁점 AI 윤리와 기업의 신뢰, ESG, 리스크 관리의 연계 |
| 2 | 데이터 보안 - AI 시대, 정보는 자산이자 리스크다[상세] 학습목표 AI 활용 환경에서 데이터 보안의 중요성과 위험 구조를 이해한다. 데이터 유출이 기업에 미치는 법적·평판·재무적 리스크를 설명할 수 있다. 개인의 주의가 아닌 조직 차원의 데이터 보안 기준 필요성을 인식한다. 학습내용 데이터 보안의 기본 개념과 AI 시대의 변화 기업 데이터·개인정보 유출 사례와 주요 원인 분석 데이터 보안을 위한 조직 기준, 관리 구조, 리더의 역할 |
| 3 | 저작권- AI 시대, 기업이 반드시 알아야 할 저작권 리스크[상세] 학습목표 AI 생성 콘텐츠와 기존 저작권 법리의 관계를 이해한다. 학습내용 저작권의 기본 개념과 AI 생성물의 법적 쟁점 마케팅·홍보·보고서 등 기업 현장에서의 저작권 위험 사례 저작권 체크리스트, AI 콘텐츠 사용 기준, 책임 구조의 필요성 |
| 4 | 환경 구축 및 의료데이터 처리[상세] 학습목표 Google Colab 환경을 설정하고 데이터 분석 환경을 이해한다. 의료데이터의 기본 구조와 형식을 학습한다. CSV 기반의 데이터 로딩 및 기본 탐색 방법을 익힌다. 학습내용 'Colab 환경 연결 및 기본 라이브러리 설치 Pandas를 이용한 CSV 불러오기와 기본 정보 확인 수치 상관관계 히트맵 |
| 5 | 의료데이터 전처리[상세] 학습목표 이상치 클리핑을 포함한 데이터 전처리 과정을 적용할 수 있다. 전처리 파이프라인을 구성하여 예측을 수행할 수 있다. 전처리 결과에 따른 예측 성능을 평가할 수 있다. 학습내용 전처리 단계 이상치 클리핑 전처리 파이프라인 예측, 성능 평가 |
| 6 | 의료데이터 수치형과 범주형 [상세] 학습목표 의료데이터의 수치형 및 범주형 컬럼을 구분할 수 있다. 수치형 데이터의 기초 통계량과 범주형 데이터의 분포를 이해할 수 있다. 데이터 특성을 바탕으로 기본적인 분석 관점을 설명할 수 있다. 학습내용 '수치형과 범주형 컬럼 분리 수치형 데이터 기초 통계량 범주형 데이터 빈도 분석 |
| 7 | 의료데이터 그룹별 분석[상세] 학습목표 수업용 의료데이터를 만들 수 있다. 데이터의 이상치 값을 다룰 수 있다. 피벗테이블로 그룹별 집계를 낼 수 있다. 학습내용 합성데이터 이상치 처리 pivot table |
| 8 | 의료데이터 통계 분석[상세] 학습목표 t검정을 할 수 있다. p값으로 데이터의 유의성을 판단할 수 있다. 일원분산분석을 할 수 있다. 학습내용 t-test p-value ANOVA |
| 9 | ECG 생체신호 시각화[상세] 학습목표 ECG 데이터의 구조와 특징을 이해한다. matplotlib을 이용해 생체신호를 시각화한다. ECG의 파형을 해석하고 노이즈를 구분한다. 학습내용 matplotlib을 이용한 ECG 파형 그리기 기본적인 신호 패턴 해석 ECG 신호와 QRS파 |
| 10 | ECG 생체신호에서 맥박 분석[상세] 학습목표 ECG 신호에서 QRS파, P파, T파를 구분한다. 탐지 파라미터를 동적으로 설정한다. 맥박 데이터에서 이상 피크 수를 다룬다. 학습내용 QRS파, P파, T파 파라미터 튜닝 맥박 피크 검출 |
| 11 | ECG 이상 감지[상세] 학습목표 주파수 분석 기법(FFT)을 활용하여 이상 신호를 탐지한다. 정상/비정상 파형의 특징을 비교한다. ECG 이상 신호 분석 과정을 이해한다. 학습내용 scipy FFT 기반 주파수 영역 변환 정상 ECG vs 이상 ECG 비교 이상 패턴 탐지 실습 |
| 12 | 심박/맥박 시계열 분석 1[상세] 학습목표 시계열 데이터의 구조와 분석 방법을 이해한다. 시간축 변화를 고려한 패턴 분석을 수행한다. 이동평균을 통해 데이터의 변동성을 줄인다. 학습내용 pandas로 시계열 데이터 변환 선 그래프를 통한 시계열 시각화 이동평균, 변동률 계산 |
| 13 | 심박/맥박 시계열 분석 2[상세] 학습목표 윈저라이징으로 분위수 범위를 다룬다. 결측치와 이상치를 탐지하여 정리한다. 학습내용 결측치 탐지 이상치 탐지 z-score 계산 |
| 14 | 심박/맥박 시계열 분석 3[상세] 학습목표 결측치와 이상치를 시각화한다. 결측치와 이상치를 포함한 합성 파일을 생성한다. 학습내용 결측치 시각화 이상치 시각화 합성 파일 생성 |
| 15 | 의료시계열 구성(LSTM모델 구성)[상세] 학습목표 LSTM 모델의 기본 구조를 이해한다. 시계열 예측 모델링 과정을 학습한다. 학습내용 Keras로 LSTM 모델 구성 sklearn의 MinMaxScaler 사용 데이터 정규화 |
| 16 | 의료시계열 예측(LSTM모델 학습과 예측)[상세] 학습목표 LSTM 모델 학습을 한다. 학습된 LSTM모델로 미래를 예측한다. 학습내용 시계열 데이터를 입력으로 예측 실습 예측 결과와 실제 값 비교 모델의 시각화 |
| 17 | DICOM 의료영상 시각화[상세] 학습목표 DICOM 의료영상 데이터의 구조를 이해한다. Python 라이브러리를 통해 DICOM 데이터를 불러온다. 의료영상 데이터 시각화 방법을 학습한다. 학습내용 pydicom 라이브러리 활용 SimpleITK 기반 의료영상 처리 영상 데이터의 기본 시각화 |
| 18 | 영상 노이즈 제거[상세] 학습목표 영상 데이터의 잡음 원리를 이해한다. 다양한 필터링 기법을 학습한다. 영상 노이즈 제거 전후의 효과를 비교한다. 학습내용 OpenCV Gaussian 필터 적용 Median 필터와 비교 실습 영상 처리 결과 시각화 |
| 19 | 의료 영상 분류 (CNN)[상세] 학습목표 합성곱 신경망(CNN)의 기본 구조와 동작 원리를 이해한다. 의료 영상 데이터를 CNN 모델로 학습하고 분류하는 과정을 익힌다. 모델의 분류 성능을 평가하고 시각화 방법을 학습한다. 학습내용 TensorFlow/Keras 기반 CNN 모델 설계 및 학습 의료 영상 데이터셋 적용하여 질병 분류 실습 Confusion Matrix 및 Accuracy, F1-score 계산 |
| 20 | 질환 진단 모델 만들기 (CNN)[상세] 학습목표 데이터를 기반으로 질환 분류 모델을 설계한다. CNN 모델의 하이퍼파라미터를 조정하여 성능을 최적화한다. 학습내용 흉부 영상 데이터셋 로딩 및 전처리 실습 CNN을 활용한 질환 분류 모델 학습 및 평가 Precision-Recall Curve 및 ROC 분석 |
| 21 | 초음파 영상(신장) 전처리[상세] 학습목표 초음파 영상의 노이즈 특성과 전처리 방법을 학습한다. 영상 강화(경계 강조, 대비 조절) 기법을 이해한다. CNN 적용 전 초음파 데이터 전처리 과정을 익힌다. 학습내용 OpenCV 활용 초음파 영상 필터링 및 노이즈 제거 Contour, Masking 기법을 통한 관심영역 추출 전처리된 데이터로 CNN 학습 성능 비교 |
| 22 | 질병 예측 1 (SVM,RF)[상세] 학습목표 SVM, Random Forest 알고리즘의 기본 개념을 이해한다. 의료 데이터셋을 이용한 질병 예측 모델을 구현한다. 앙상블 학습 기법의 장단점을 학습한다. 학습내용 scikit-learn 기반 SVM, Random Forest 실습 의료 데이터셋 적용 질병 예측 실험 |
| 23 | 질병 예측 2 (SVM,RF)[상세] 학습목표 ROC Curve, AUC로 모델 비교한다. 학습내용 ROC Curve, AUC로 모델 비교 |
| 24 | 의료 영상 데이터셋으로 전이학습[상세] 학습목표 전이학습(Transfer Learning)의 개념을 이해한다. 사전 학습된 CNN 모델을 의료 데이터에 적용한다. 이미지 텐서와 레이블 텐서를 처리한다. 학습내용 VGG16 사전학습 모델 불러오기 의료 영상 데이터셋으로 전이학습 적용 이미지 텐서와 레이블 텐서 |
| 25 | X-ray 흉부사진으로 질병(폐렴) 특징 학습시키기[상세] 학습목표 전이학습-베이스 모델 가중치 동결과 해제를 이해한다. 분류 레이어(Mdel Building)를 추가한다. 모델의 과적합 방지와 의존성 방지를 이해한다. 학습내용 모델 가중치 동결과 해제 모델 설계 모델의 과적합 방지와 의존성 방지 |
| 26 | X-ray 흉부사진으로 질병(폐렴) 판단하기[상세] 학습목표 학습 변수의 가중치와 편향 Fine-tuning 기법을 활용하여 성능을 최적화한다. 모델을 예측하고 시각화한다. 학습내용 의료 영상 데이터셋으로 전이학습 적용 Fine-tuning 학습 및 성능 평가 모델 예측과 시각화 |
| 27 | GAN을 활용한 데이터 생성[상세] 학습목표 GAN(생성적 적대 신경망)의 기본 구조를 이해한다. 의료 영상 데이터를 기반으로 합성 데이터 생성. 데이터 증강의 필요성과 활용성을 학습한다. 학습내용 GAN 모델(Generator, Discriminator) 구현 의료 영상 합성 데이터 생성 실습 원본 데이터와 합성 데이터 비교 분석 |
| 28 | 신경망 레이어 학습[상세] 학습목표 GAN의 생성자·판별자 구조와 손실 함수를 이해한다. GAN 학습 과정(학습 루프, 가중치 저장)을 익힌다. GAN 기반 이상치 탐지(AnoGAN 방식)로 이상 여부를 점수로 판단하는 방법을 이해한다. 학습내용 생성자/판별자 모델 정의, BinaryCrossentropy 손실과 Adam 옵티마이저 설정 실제 이미지와 생성 이미지 이용해 GAN 학습, 생성 결과 시각화 학습된 GAN으로 원본·복원·오류맵을 비교·시각화 |
| 29 | 의학 논문 생성(AI)[상세] 학습목표 Transformer 기반 자연어 생성 원리를 이해한다. 의학 논문 요약 및 초안 생성 과정을 실습한다. AI 생성 텍스트의 한계와 검증 필요성을 학습한다. 학습내용 HuggingFace 기반 Transformer 모델 활용 의학 논문 데이터셋을 이용한 요약 및 생성 실습 생성된 텍스트의 품질 평가 및 비교 |
| 30 | 이상치 탐지 (AutoEncoder)[상세] 학습목표 AutoEncoder의 구조와 이상치 탐지 원리를 이해한다. 의료 수치 데이터에서 비정상 패턴을 탐지한다. 모델의 탐지 결과를 시각화하여 해석한다. 학습내용 Keras 기반 AutoEncoder 모델 구현 의료 센서 데이터 이상치 탐지 실습 Reconstruction Error 기반 평가 |
| 31 | 의료 음성의 텍스트 변환과 웨어러블 센서 데이터 분석[상세] 학습목표 의료 음성 데이터를 텍스트로 변환하는 과정을 학습한다. 의료 상담 기록 자동화의 가능성을 탐구한다. 웨어러블 기기로부터 수집되는 데이터 특성을 이해한다. 학습내용 Google Speech API 활용 음성 → 텍스트 변환 실습 의료 상담/진료 음성 데이터 처리 sklearn 모델로 생체 데이터 분류 |
| 32 | 멀티모달 분석[상세] 학습목표 영상+텍스트 통합 분석의 필요성과 원리를 이해한다. 멀티모달 데이터를 처리하는 AI 기법을 학습한다. 의료 진단 보조 시스템 구축 가능성을 탐구한다. 학습내용 'CNN+RNN 기반 멀티모달 모델 구성 영상 데이터 + 텍스트 보고서 통합 분석 실습 모델 성능 평가 및 시각화 |
| 33 | 의료 AI 종합 프로젝트 및 윤리·보안·공정성 적용[상세] 학습목표 의료 AI 시스템에서 요구되는 데이터 보안, 공정성, 해석 가능성의 중요성을 이해한다. 의료 데이터 기반 다양한 AI 분석 기법을 통합적으로 적용할 수 있다. 의료 AI 활용 결과를 의사결정 지원 관점에서 해석하고 설명할 수 있다. 학습내용 \'의료 데이터 보안 및 개인정보 보호 적용 실습 AI 편향·공정성 검증 및 평가 지표 분석 의료 NLP 분석과 환자군 클러스터링을 통한 의사결정 지원 사례 실습 |
평가방법
과제
100%
출석율 80% 이상 응시 가능