황도식 교수

Fourier Ptychographic Microscopy (FPM) is a computational imaging technique which reconstructs super-resolved amplitude and phase images by combining variably illuminated low-resolution images through an iterative phase retrieval algorithm. However, the phase-retrieval-based reconstruction requires sufficient overlap between spatial frequency bands of the measurements, which creates a trade-off between the number of measurements and the reconstruction quality. We propose a deep-learning-based FP

딥러닝 기술은 빅데이터 및 컴퓨팅 파워를 기반으로 최근 영상의학 분야의 연구에서 괄목할만한 성과를 이루어 내고 있다. 하지만 성능 향상을 위해 딥러닝 네트워크가 깊어질수록 그내부의 계산 과정을 해석하기 어려워졌는데, 이는 환자의 생명과 직결되는 의료분야의 의사결정 과정에서는 매우 심각한 문제이다. 이를 해결하기 위해 “설명 가능한 인공지능 기술”이연구되고 있으며, 그중 하나로 개발된 것이 바로 어텐션(attention) 기법이다. 본 종설에서는이미 학습이 완료된 네트워크를 분석하기 위한 Post-hoc attention과, 네트워크 성능의 추가적인 향상을 위한 Trainable attention 두 종류의 기법에 대해 각각의 방법 및 의료 영상 연구에 적용된 사례, 그리고 향후 전망 등에 대해 자세히 다루고자 한다.

In this study, physiological status of locomotive engineers were measured through EEG,ECG, EDA, PPG and respiration signals from 6 subjects to evaluate their arousal status during train operating. Existence of tunnels and mechanical vibration of train using 3-axes acceleration sensors were recorded simultaneously and were correlated with operator’s physiological status. As the result of the analyzed subjects’ physiological signals, mean SCR was increased in the section where more body movement i