ÀΰøÁö´É(AI) ½Å¾à°³¹ß Àü¹®±â¾÷ ½ÅÅ×Ä«¹ÙÀÌ¿À (5,650¿ø 0.00%)°¡ AI µö·¯´× ¸ðµ¨À» »ç¿ëÇØ À¯Àüü µ¹¿¬º¯ÀÌ µ¥ÀÌÅ͸¦ ±â¹ÝÀ¸·Î ¹ÙÀÌ¿À¸¶Ä¿¸¦ Á¤¹ÐÇÏ°Ô ¼±º°ÇÏ´Â »õ·Î¿î ¹æ¹ý¿¡ ´ëÇÑ ¹Ì±¹ ƯÇ㸦 Ãâ¿øÇØ µî·ÏÀ» ½ÂÀι޾Ҵٰí 16ÀÏ ¹àÇû´Ù.
ÀÌ Æ¯Çã´Â '°³Ã¼±º À¯Àüü ¿°±â¼¿ ¹× º¯ÀÌÀÇ º¯È¯µ¥ÀÌÅÍ¿¡ ´ëÇÑ ÀΰøÁö´É µö·¯´× ¸ðµ¨À» ÀÌ¿ëÇÑ ¹ÙÀÌ¿À¸¶Ä¿ °ËÃâ ¹æ¹ý'¿¡ °üÇÑ °ÍÀÌ´Ù. 'ÇÕ¼º°ö ½Å°æ¸Á(CNN: Convolution Neural Networks)'À̶ó´Â AI µö·¯´× ¸ðµ¨À» »ç¿ëÇØ À¯Àüü µ¹¿¬º¯ÀÌ µ¥ÀÌÅÍ¿¡¼ ¹ÙÀÌ¿À¸¶Ä¿¸¦ Á¤¹ÐÇÏ°Ô ¼±º°ÇÏ´Â ¹æ¹ýÀÌ´Ù. ȸ»ç´Â µ¶ÀÏÀÇ ¼öÇÐÀÚ Èú¹öÆ®°¡ ¸¸µç ÇÁ·¢Å» Ä¿ºê¸¦ »ç¿ëÇÏ´Â ÀÌ °ËÃâ ¹æ¹ýÀ» Hilbert-CNNÀ¸·Î ¸í¸íÇß´Ù.
À̹ø ƯÇã¿¡´Â Â÷¼¼´ë ¿°±â¼¿ ºÐ¼®(NGS) µ¥ÀÌÅ͸¦ »ç¿ëÇØ ¼öÁýÇÑ ºòµ¥ÀÌÅ͸¦ ½ÅÅ×Ä«¹ÙÀÌ¿À¸¸ÀÇ µ¶Ã¢ÀûÀÎ ¹æ¹ýÀ¸·Î 2D ¹× 3D À̹ÌÁö·Î Ç¥ÇöÇÏ´Â ¹æ¹ý¿¡ ´ëÇÑ ¼¼ºÎ Á¤º¸µµ Æ÷ÇԵƴÙ.
Hilbert-CNNÀº ÇÑ »ç¶÷ÀÇ Àΰ£ ÀüÀå ¿°±â¼¿ 1D Á¤º¸¸¦ 2D Èú¹öÆ® À̹ÌÁö·Î ¹Ù²Ù´Â ±â¼ú·Î ¼öõ¸íÀÇ À¯Àüü Á¤º¸¸¦ ¼öõÀåÀÇ À̹ÌÁö·Î Ç¥ÇöÇÏ°í, AI ¸ðµ¨À» ÀÌ¿ëÇØ Á¤¹ÐÇÏ°Ô ºÐ¼®ÇÑ´Ù. ÀüÅëÀûÀÎ ¼±Çü(linear) Áúº´ ¿¬°ü¼º ¿¬±¸·Î ãÁö ¸øÇÏ´Â ºñ¼±Çü(non-linear) ¹ÙÀÌ¿À¸¶Ä¿ ¹ß±¼ÇÏ´Â »õ·Î¿î ¹æ¹ýÀ¸·Î ÀÎÁ¤¹Þ¾Æ ¹Ì±¹ ƯÇã·Î µî·ÏµÆ´Ù.
Hilbert-CNNÀº ±âÁ¸ ¹æ½Ä ´ëºñ ÀûÀº »ùÇà ¼ö·Îµµ ¹ÙÀÌ¿À¸¶Ä¿ °ËÃâÀÇ ³ôÀº Á¤¹Ðµµ¿Í ÀçÇö¼ºÀ» º¸ÀÌ´Â ºñ¼±Çü ¸ðµ¨ÀÎ °ÍÀÌ Æ¯Â¡ÀÌ´Ù. ȯÀÚ°èÃþÈ ½Ã ȯÀÚÀÇ Áúº´ À¯¹«³ª Áúº´ Á¾·ù, Áø´Ü °á°ú, ȯÀÚ »óÅ µî¿¡ µû¸¥ Áý´Ü ºÐ·ù, Ä¡·áÁ¦ ÀÓ»ó ½ÃÇèÀÇ µ¿¹ÝÁø´Ü, ¹ÙÀÌ¿À¸¶Ä¿¸¦ Á÷Á¢ Ÿ±êÇÏ´Â ¾à¹° °³¹ß µî¿¡µµ È°¿ëµÉ ¼ö ÀÖ´Ù.
ȯÀÚ °èÃþÈ¿¡ »ç¿ëµÇ´Â ÀÏ¹Ý AI ÅøÀÌ »ç¿ëÇÑ ¹ÙÀÌ¿À¸¶Ä¿ ¿ä¼ÒµéÀº ºí·¢¹Ú½º¿¡ Æ÷ÇԵǾî È®ÀÎÀÌ ¾î·Á¿ü´ø ¹Ý¸é, Hilbert-CNN´Â ºí·¢¹Ú½º Çؼ®¹ý¿¡ ´ëÇÑ ¿¬±¸°³¹ßÀ» ÅëÇØ °èÃþÈ¿¡ »ç¿ëµÈ ¹ÙÀÌ¿À¸¶Ä¿ ƯÁ¤ÀÌ °¡´ÉÇÏ´Ù.
¹Ì±¹ÀÇ ¾ËÃ÷ÇÏÀÌ¸Ó Ä¡¸Å(ADNI database)¿Í ÆÄŲ½¼ Áúº´(PPMI database)ÀÇ ºòµ¥ÀÌÅÍ°¡ ÃàÀûµÈ µ¥ÀÌÅͺ£À̽º¸¦ È°¿ëÇØ È¯ÀÚ À¯ÀüüÀÇ Æ¯Â¡À» ÇнÀ½ÃŲ °á°ú, Hilbert-CNN AI´Â Á¤È®µµ 90% ÀÌ»óÀÇ È¯ÀÚ ±¸ºÐ ´É·ÂÀ» º¸¿©ÁÖ¾úÀ¸¸ç, ¸Å¿ì ÀûÀº ¼ýÀÚÀÇ ¹ÙÀÌ¿À¸¶Ä¿ ¸¸À¸·Îµµ ³ôÀº Á¤È®µµ°¡ À¯ÁöµÊÀ» È®ÀÎÇß´Ù. ¹ÙÀÌ¿À¸¶Ä¿¸¦ »ê¾÷ÀûÀ¸·Î È°¿ëÇϱâ À§Çؼ´Â ³ôÀº ÀçÇö¼ºÀÌ µ¿¹ÝµÇ¾ß Çϱ⠶§¹®¿¡ ´Ù¼öÀÇ ÀçÇö¼º Å×½ºÆ®¸¦ ½Ç½ÃÇß°í, °¢ ½ÇÇè°£ Á¤È®µµ ¹× ¼º´É¿¡ Å« Â÷ÀÌ°¡ ¾ø´Â °ÍÀ» È®ÀÎÇß´Ù.
±âÁ¸ ¹æ½ÄÀº ½ÇÇèÁý´Ü ³»ºÎÀÇ Åë°èÀû À¯ÀǼº ¹× ƯÁ¤ ¹ÙÀÌ¿À¸¶Ä¿ÀÇ À¯¹« µî¿¡ ±âÃÊÇÏ°í ÀÖ¾î ´ÜÀÏ ½ÇÇè¿¡¼´Â ³ôÀº Á¤È®µµ¸¦ º¸Àϼö´Â ÀÖÀ¸³ª, »õ·Î¿î ºí¶óÀÎµå »ùÇÃÀ» Àû¿ëÇßÀ» °æ¿ì ¼º´ÉÀÌ ±Þ°ÝÈ÷ ³·¾ÆÁú ¼ö ÀÖ´Ù. ÇÏÁö¸¸ Hilbert-CNNÀº °¢ ±×·ìÀÇ º¸ÆíÀûÀΠƯ¡À» ¹ÙÀÌ¿À¸¶Ä¿ °£ÀÇ °ü°è¼º(Biomarker Networks)¿¡ ±Ù°ÅÇÏ¿© ÆľÇÇϱ⠶§¹®¿¡ »õ·Î¿î ºí¶óÀÎµå »ùÇÃÀ» Àû¿ëÇÏ´õ¶óµµ ¼º´ÉÀÌ À¯ÁöµÈ´Ù.
Á¤Á¾¼± ´ëÇ¥´Â "CNN µö·¯´× ¹æ¹ýÀ» ¹ÙÀÌ¿À ¹× ÀÇ¾à ºÐ¾ß¿¡ Àû¿ëÇϱâ À§ÇØ ¿¬±¸¸¦ Áö¼ÓÇØ ¿Ô´Ù"¸ç "¿À·£ ¿¬±¸ ³¡¿¡ °³¹ßÇÑ Hilbert-CNN °ËÃâ ¹æ¹ýÀÌ ¿ì¼öÇÑ °á°ú°ª°ú µ¶Ã¢¼ºÀ» ÀÎÁ¤¹Þ¾Æ ¹Ì±¹ ƯÇã µî·Ï±îÁö ¸¶Ä¥ ¼ö ÀÖ¾î ±â»Ú°í, ÀÌ ±â¼úÀÌ ¹ÙÀÌ¿À¸¶Ä¿ ±â¹Ý ¸ÂÃ㠾๰ °³¹ß¿¡ Å« µµ¿òÀÌ µÉ °Í"À̶ó°í ¸»Çß´Ù.
-
- 2023.08.16 13:41
<ÀúÀÛ±ÇÀÚ © ¡®µ·ÀÌ º¸ÀÌ´Â ¸®¾óŸÀÓ ´º½º¡¯ ¸Ó´ÏÅõµ¥ÀÌ. ¹«´ÜÀüÀç ¹× Àç¹èÆ÷, AIÇнÀ ÀÌ¿ë ±ÝÁö>
|
¸Ó´ÏÅõµ¥ÀÌ ÁÖ¿ä´º½º
°æÁ¦ À§±â·Ð¿¡µµ ñé '¹Ý¡¤Àü' ·¤¸®¡¦ Çѱ¹ °ü·ÃÁÖ ¹ß¸ñ À⳪- À̽º¶ó¿¤ ±¹¹æ "ÇìÁ¶ó »õ ¼öÀå »ç¸ÁÇÑ µí, ÁöµµÀÚ ¾ø´Â Á¶Á÷"
- ´Üµ¶ °Ç°º¸Çè, À۳⺸´Ù 2.5Á¶ ´õ ½è´Ù¡¦"ÀÇ·á´ë¶õ ¿µÇ⠹̹Ì, ¾ÕÀ¸·Î°¡ °ÆÁ¤"
- AIÀÇ ½Ã´ë¡¦³ëº§ ¹°¸®Çлó '¸Ó½Å·¯´× ´ë°¡' 2Àο¡°Ô·Î
- »ï¼ºÀüÀÚ '¾î´×¼îÅ©ÀÇ ³¯' ½Ç¸Á ¸Å¹° ½ñ¾ÆÁ®....ÄÚ½ºÇÇ 2600 ºØ±«
- '½ÇÀû ȸº¹¼¼' À̲ø¾î³½ LG¿£¼Ö¡¦º¥Ã÷¿¡ 'Á¶ ´ÜÀ§' ¼öÁÖ ÀèÆ̵µ
- °á±¹ ÀÔ ¿¬ À̺¹Çö¡¦±Ý°¨¿ø, °í·Á¾Æ¿¬-¿µÇ³¡¤MBK Á¶»çÂø¼ö