교과목 > 교과목 전체 : 바이오헬스 혁신융합대학

기본정보

교과목개요본 교과목은 바이오헬스 분야의 질병 진단과 건강 정보 분석에 필수적인 디지털 영상 및 신호 처리 기술과 인공지능 분석 기법을 융합하여 학습합니다. 기존의 이론 중심 교육에서 벗어나, 개발 환경을 활용해 실제 의료 및 바이오 데이터를 직접 다루는 실무 역량 배양에 집중합니다. 영상 및 신호 데이터의 기초 표현 방법부터 화질 향상, 영역 분할, 신호 필터링 등의 처리 기술을 습득하고, 이를 AI 모델의 입력 데이터로 연결하는 파이프라인을 경험합니다. AI 기술을 접목한 영상 및 신호 분석 과제를 직접 구현함으로써 문제 해결 능력을 갖추는 것을 목표로 합니다.
학습목표- 디지털 영상과 신호의 개념을 이해하고 파이썬 라이브러리를 사용하여 의료 영상 및 신호 정보를 컴퓨터 데이터로 표현, 저장, 처리할 수 있다.
- 영상 처리 기법을 통해 바이오 영상 내의 특정 영역을 필터링하여 분리하고 분석할 수 있는 특징값으로 수치화할 수 있다.
- 신호 필터링 기법을 사용하여 바이오 신호의 특징값을 추출할 수 있다.
- 추출된 특징 값을 바탕으로 머신러닝 기초 모델을 설계하고 바이오 데이터를 학습시킬 수 있다.
- 바이오헬스 분야의 예제 영상과 신호를 활용해 전처리부터 AI 진단까지 이어지는 통합 구현 과제를 완수할 수 있다
주요주제영상처리 기초, 신호처리 기초, 영상 개선, 신호 필터링, 특징 기반 AI, 머신러닝 응용, 딥러닝 응용
선수과목없음
준비사항- 구글 코랩 사용을 위한 구글 ID 계정 보유
- Python 라이브러리(OpenCV, Scikit-learn, PyTorch/Keras) 활용 실습 환경 구축
- LMS를 활용하여 강의 및 구현 질문을 받고 다음 수업 주차 강의 전까지 답변
장애학생 수업안내본 강의를 수강하는 장애 학생들에게는 장애 학생 개개인의 특성과 요구에 따라 수업 담당 교강사와의 상담을 통하여 적절한 수준의 지원 서비스(시험시간 연장 및 시험방법 조정 등)를 제공할 수 있습니다.

핵심역량

인간사회 공감력
생명과 환경을 존중하며, 지역사회와 인류에 공헌하려는 덕성
10%

상호소통능력
다양한 이해관계자, 타 학문분야와의 소통을 토대로 바이오헬스 분야의 조화로운발전에 기여하는 능력
10%

디지털 융합력
다양한 관점·생각, 빠르게 변하는 기술·트렌드에 민첩하고 유연하게 대응하는 능력
20%

창조적 문제 해결력
바이오헬스 분야에 대한 학술·실무적 이해를 토대로 발휘하는 창의적인 응용력
50%

자기점검능력
지속가능한 윤리적 전문가가 되기 위하여 배우고 성찰하는 주도적 태도
10%

주제별 수업내용

1주제바이오 데이터와 영상 기초: 의료 분야에서 다루는 데이터의 두 축인 영상과 신호의 기초를 배우고, 파이썬 기반 AI 분석 프레임워크 환경을 다집니다.
( 1. 강의 이해와 바이오 데이터 개요, 2. 개발 환경 구축, 3. 의료 영상 로딩)

2주제영상 표현과 색 공간: 컴퓨터가 이미지를 행렬 데이터로 인식하는 근본적인 원리를 이해하고, 색상 제어와 화소 연산 기초를 습득합니다.
(1. 디지털 영상 표현, 2. 색 공간 표현, 3. 화소 단위 산술 연산)

3주제관심 영역 지정과 명암비 개선: 진단에 필요한 관심 영역(ROI)을 잘라내는 마스킹 기술을 익히고, 판독률을 높이기 위한 명암비 개선 기법을 실습합니다.
(1. 비트 연산과 마스킹, 2. 관심 영역 추출, 3. 히스토그램 평활화)

4주제공간 필터링과 잡음 제거: 영상 전처리의 핵심인 공간 컨볼루션을 이해하고, 의료 기기 촬영 시 발생하는 고유 잡음들을 필터로 억제하는 법을 배웁니다.
(1. 컨볼루션 연산 원리, 2. 평균과 가우시안 필터, 3. 중간값 필터)

5주제에지 검출과 영상 이진화: 수학적 미분을 영상에 적용하여 장기의 경계선을 추출하고, 영상을 단순화하는 자동 이진화 기법을 완수합니다.
(1. 영상 미분과 에지, 2. 케니 에지 검출기, 3. 영상 이진화 처리)

6주제모폴로지와 특징 수치화: 형태학적 필터링으로 배경 잡음을 지운 뒤, 세포 등 타깃 객체를 분할하여 AI 모델에 입력할 물리적 특징 데이터를 추출합니다.
(1. 모폴로지 기초 연산, 2. 영상 분활과 레이블링, 3. 바이오 특징 추출)

7주제중간 시험: 전반기 영상 처리 과정을 마무리하며 온라인 지필 평가로 실력을 검증합니다.

8주제생체 신호 기초와 시각화: 연속 시계열 데이터인 생체 신호 도메인으로 확장하여 데이터 수집 원리와 시각화를 학습합니다.
(1. 생체 신호 이해, 2. 신호 데이터 읽기, 3. 시계열 시각화)

9주제신호 필터링과 주파수 분석: 생체 신호를 주파수 영역에서 해체하여 분석하고, 저역/고역 필터를 설계해 노이즈 없는 깨끗한 신호로 가공합니다.
(1. 주파수 도메인 분석, 2. 디지털 필터 설계, 3. 신호 잡음 제거)

10주제신호 특징과 데이터셋: 생체 신호의 핵심 특징 파형을 검출해 수치화하고, 앞서 다룬 영상 특징과 융합하여 인공지능용 정형 데이터셋을 빌드합니다.
(1. 신호 특징 검출 알고리즘, 2. 신호 분석, 3. 통합 데이터셋)

11주제바이오 머신러닝 분류: 직접 가공한 영상·신호 통합 특징 데이터셋을 머신러닝 모델에 주입하여 질병 유무를 분류하고 그 성능을 진단합니다.
(1. 머신러닝 분류 알고리즘, 2. 모델 학습, 3. 머신러닝 성능 평가)

12주제딥러닝과 CNN 기초: 수동 특징 추출을 넘어 이미지 자체를 딥러닝 모델에 바로 적용하기 위한 합성곱 신경망(CNN)의 기초 구조를 설계합니다.
(1. 인공신경망 기초, 2. CNN 구조 이해, 3. CNN 레이어 설계)

13주제의료 영상 딥러닝 분류: 실제 의료 영상 오픈 데이터셋을 사용해 정상 모델과 질병(폐렴 등) 모델을 가르는 딥러닝 학습 사이클을 구현합니다.
(1. 의료 영상 데이터셋 준비, 2. 딥러닝 모델 학습, 3. 딥러닝 성능 검증)

14주제전이 학습 기반 진단 모델: 대형 AI 모델을 효율적으로 다룰 수 있도록 사전 학습 모델을 가져와 의료용으로 커스텀 매칭합니다.
(1. 전이 학습 개념, 2. 미세 조정 전략, 3. 모델 최적화)

15주제기말 시험: 후반기 이론을 온라인 지필 시험으로 최종 마무리합니다.

목록보기

사이트맵

교과목

교과목 전체

기본정보

핵심역량

주제별 수업내용

개인정보처리방침

제1조(개인정보의 처리 목적)

제2조(개인정보의 처리 및 보유 기간)

제3조(처리하는 개인정보의 항목)

제3조(개인정보처리 위탁)

제4조(정보주체와 법정대리인의 권리·의무 및 그 행사방법)

제5조(개인정보의 파기)

제6조(개인정보의 안전성 확보 조치)

제7조(권익침해 구제방법)

제8조 (개인정보 보호책임자)

제9조(개인정보를 자동으로 수집하는 장치의 설치‧운영 및 거부에 관한 사항)

제10조(개인정보 열람청구)

제11조(개인정보 처리방침의 변경에 관한 사항)

사이트맵

교과목

교과목 전체

기본정보

핵심역량

주제별 수업내용 전체열기 전체닫기

개인정보처리방침

제1조(개인정보의 처리 목적)

제2조(개인정보의 처리 및 보유 기간)

제3조(처리하는 개인정보의 항목)

제3조(개인정보처리 위탁)

제4조(정보주체와 법정대리인의 권리·의무 및 그 행사방법)

제5조(개인정보의 파기)

제6조(개인정보의 안전성 확보 조치)

제7조(권익침해 구제방법)

제8조 (개인정보 보호책임자)

제9조(개인정보를 자동으로 수집하는 장치의 설치‧운영 및 거부에 관한 사항)

제10조(개인정보 열람청구)

제11조(개인정보 처리방침의 변경에 관한 사항)

주제별 수업내용