본문 영역으로 바로가기

K-MOOC dev 홈 페이지
SoongsilUnivK: soongsilmooc03K 바이오메디컬비전 및 응용

Kor Eng
바이오메디컬비전 및 응용 동영상

바이오메디컬비전 및 응용




청강 등록
본 강좌는 바이오, 의료, 컴퓨터공학 분야의 융합 강좌로서 특징 검출 및 기술, 매칭 등 컴퓨터비전 분야의 기초 이론과 알고리즘을 다루고, 바이오 및 의료 분야의 데이터에 최신 컴퓨터비전 기술을 적용한 응용 분야 소개와 바이오 및 의료 분야의 데이터를 이용한 기초적인 컴퓨터비전 프로그래밍 기술을 강의한다. 본 교과목을 통하여 수강생들은 바이오 및 의료 분야에서 특히 영상과 관련된 문제를 해결하거나 개선할 수 있는 능력을 습득할 수 있다. 이정진 교수 서울대학교 컴퓨터공학부 박사 현) 숭실대 컴퓨터학부 교수 전) 가톨릭대학교 디지털미디어학부 조교수 전) 서울아산병원 (울산대학교 의과대학) 영상의학과 연구교수 전) 삼성전자 자문교수 1. 특징 검출 및 기술, 매칭 등 컴퓨터비전 분야의 기초 이론과 알고리즘에 대하여 설명할 수 있다. 2. 바이오 및 의료 분야의 데이터에 최신 컴퓨터비전 기술을 적용할 수 있는 응용력을 배양할 수 있고, 최신 응용 사례를 설명할 수 있다. 3. 바이오 및 의료 분야의 데이터를 이용한 기초적인 프로그래밍 기술을 습득할 수 있다. 1주차, 바이오메티컬 디지털 영상의 기초 및 연산, 2주차, 필터링, 3주차, 바이오메디컬 데이터 처리를 위한 Open source 소프트웨어 활용, 4주차, 경계 검출 이론 및 활용, 5주차, 세션화 알고리즘 및 의료 분야에의 응용, 6주차, 특징 검출 기법, 7주차, 고급 특징 검출 기법, 8주차, 분할 알고리즘, 9주차, 바이오메디컬 데이터 처리를 위한 open source 프로그래밍 실습, 10주차, 고급 open source 프로그래밍 실습, 11주차, 특징 기술자와 스티칭, 12주차, 영상 정합 기법의 이해, 13주차, 의료 분야에서의 영상 정합 기법의 활용, 14주차, 바이오메디컬 분야에서의 딥러닝 기술의 활용 1. 퀴즈(점수비율 20%) 주차별 학습 내용을 정리하고 자기화할 수 있도록 매주 3문항 제시. 2. 중간고사(점수비율 20%) 1~7주차 학습내용을 복습하는 내용. 객관식 15문항, 주관식 5문항 출제. 3. 기말고사(점수비율 20%) 8~14주차 학습내용을 복습하는 내용. 객관식 15문항, 주관식 5문항 출제. 4. 과제(점수비율 40%) 바이오메디컬 분야의 다양한 데이터들을 대하여 본 교과과정을 통하여 학습한 이론들을 적용하여 소규모 비전 프로젝트를 수행함. MICCAI Grand Challenges in Biomedical Analysis에서 제공하는 open database를 활용함. 바이오 및 의료 분야의 데이터를 컴퓨터 비전 기술로 처리하기 위한 기초적인 알고리즘들과 관련된 기초 수학 및 이론들을 함께 소개하고, 고급 응용 기술 및 최신 응용 사례들에 대하여 간략히 소개합니다. 자료구조, 알고리즘, 기초 영상처리, C/C++ 프로그래밍 등의 교과목을 미리 선수과목으로 이수한다면, 본 강좌를 수강하시는 데에 도움이 됩니다. 하지만, 선수과목을 듣지 않더라도 본 강좌를 수강해서 충분히 follow-up 하실 수 있습니다. 1. Computer Vision: Algorithms and Applications, Richard Szeliski(Springer, 2011) 2. Computer Vision, 오일석(한빛아카데미, 2014) 학습지원 - 1. 구교영(숭실대학교 컴퓨터학부 석박사통합과정, koomaro@naver.com) 2. 강승우(숭실대학교 컴퓨터학부 석박사통합과정, swkhang@naver.com) 운영지원 - 1. 서주환(숭실대 이러닝-MOOC 운영팀, juhwan05@ssu.ac.kr)

관련 강좌

현재 강좌와 관련있는 강좌를 찾을 수 없습니다.

  1. 분야

    공학
    (그 외)
  2. 강좌를 개발하고 운영하는 기관입니다. 컨소시엄으로 운영 시, 대표기관의 명칭이 나타납니다

    운영기관

    숭실대학교
  3. 운영 기관의 전화번호 입니다.

    전화번호

    -
  4. 강좌의 구성 주차 수를 의미합니다. (강좌를 충실히 학습하기 위해 필요한 주당 학습시간을 의미합니다.)

    주차
    (주간 학습 권장 시간)

    14주
    (주당 03시간 00분)
  5. 본 강좌 이수자에게 인정되는 학습시간으로 해당 강좌의 동영상, 과제, 시험, 퀴즈, 토론 등의 시간을 포함합니다. (강의 내용과 관련된 동영상 재생 시간의 총 합계입니다.)

    학습인정시간
    (총 동영상시간)

    -
    (시간 분)
  6. 수강신청이 가능한 기간으로 해당 기간 내에만 수강신청이 가능합니다.

    수강 신청 기간

    2017.09.25 ~ 2018.01.20
  7. 강좌가 운영되고 교수지원이 이루어지는 기간입니다. 이수증은 강좌운영기간이 종료된 이후에 발급받을 수 있습니다.

    강좌 운영 기간

    2017.10.16 ~ 2018.01.21