기조연설 (Plenary Talk)

Deep Learning and Its Application for Microscopic Image Analysis 
(Prof  Lin Yang, University of Florida, USA)

 

Abstract : We are living in a revolutionary age, witnessing the next generation of biomedical images emerging in astounding volume and rich formats. This rapidly grown, efficiently delivered, densely connected and incrementally well-defined multiple dimensional multimedia data have fundamentally reshaped the ways researchers can express their thoughts, interact with their colleagues and patients, analyze their data, and lead to ultimately deeper understanding of the nature of biology and diseases. The objective of this talk is to introduce to the boarder community of the current state-of-the-arts in biomedical image analysis and imaging informatics using deep learning. The ultimate goal is to inspire new collaborations among researchers to tackle the challenges presented in high throughput biomedical image analysis and personalized medicine.
 
Short Biography : Dr. Lin Yang is an Associate Professor with the J. Crayton Pruitt Family Department of Biomedical Engineering (BME) at University of Florida. He also held the joint appointment in the Department of Electrical and Computer Engineering (ECE) and the Department of Computer and Information Science and Engineering (CISE). He leads the Biomedical Image Computing and Imaging Informatics (BICI2) Lab. He was recruited to University of Florida through UF Preeminence Hiring Plan. His major research interests are focus on biomedical image analysis and imaging informatics, computer vision, biomedical informatics, and machine learning. He is also working on high performance computing and computed aided health care and information technology using big data. He has published over 80 peer-reviewed journals and premium conferences, including PAMI, TMI, TBME, CVPR, ECCV, MICCAI, IPMI, etc. His lab's research is funded by multiple federal funding, including NIH R01. He also serves in multiple NIH study sections and NSF review panels.

 

튜토리얼 (Tutorial)

Introduction to Deep Learning (김준모 교수, KAIST)

 

Abstract : Deep learning은 최근 음성 인식, 영상 인식 분야의 각종 세계 기록을 새로 수립하면서 강력한 기계학습 방법으로 각광받고 있다. 특히 기존에 사람이 수동으로 각종 feature를 design한 후 기계학습 방법과 결합하여 분류, 인식 문제를 해결하던 패러다임을 탈피하여 data로부터 자동적으로 계층적인 feature들을 학습하고 분류, 인식까지 통합하여 수행할 수 있다는 점에서 deep learning은 기계학습의 새로운 패러다임을 제시하였다고 할 수 있다. 본 강의에서는 deep learning을 가능하게 한 최근 연구 성과들을 소개하고, 영상 인식 분야에서 deep learning이 어떻게 발전되었는지 살펴본다. 또한 영상 인식 이외에 자연어 이해, 기계 번역, image captioning과 관련된 최근 연구 성과들도 소개한다.

Short Biography : 1998 서울대학교 전기공학부 학사, 2000 Massachusetts Institute of Technology EECS 석사, 2005 Massachusetts Institute of Technology EECS 박사, 2005-2009 삼성종합기술원 전문연구원,  2009-현재 한국과학기술원 전기및전자공학부 조교수

 
 

바이오의료 응용을 위한 딥러닝 기술 소개

Deep neural networks and model-free control (이상완 교수, KAIST)

 

Abstract : 본 세미나에서는 인식, 그리고 최적 계획 수립과 관련된 뇌 기반 인공지능 알고리즘들을 소개함으로써 의료 영상 분야로의 적용 가능성에 대해 논의하고자 한다. 먼저 심층 신경망과 시각/청각 피질의 계층적 정보 처리 과정의 비교를 통하여 영상처리 알고리즘의 발전 가능성에 대해 논의한다. 두번째로는 Markov decision problem에 대한 최적의 실행 계획을 수립하는 model-free control과 전두엽-기저핵 네트워크의 학습 제어 과정을 비교해 보고, model-free control을 이용한 대규모 의료 영상 시스템 디자인에 대해 논의한다.

Short Biography : 2003 연세대학교 전기전자공학사, 2005 한국과학기술원 전기전자공학과 석사, 2009 한국과학기술원 전기전자공학과 박사, 2010-2011 MIT 박사후 연수연구원, 2011-2015 Caltech 박사후 연수연구원, 2015-현재 한국과학기술원 바이오및뇌공학과 조교수

 
 

Data-driven Imaging Biomarker: Initial experiences in chest x-ray and mammogram screening (백승욱 대표, Lunit)

 

Abstract : Deep learning has been gaining more attention as it shows outstanding performances in various cognitive tasks. Given a large number of training data, deep convolutional neural network can learn a set of multi-layered imaging features that is obtained in a fully data-driven manner. This feature learning capability has a great potential to be used in a development of novel imaging biomarkers, namely data-driven imaging biomarker(DIB). Unlike the conventional CAD designs, DIB learns radiologic features from large-scale medical images without any human annotation. This approach gives a possibility to discover latent imaging features that are hard to be categorized by human visual system. Well-trained DIBs will play an important role in advancing computer-aided diagnosis as well as quantitative imaging.

Short Biography : Anthony is a cofounder and CEO of Lunit, in which he is developing Data-drive Imaging Biomarker (DIB) for radiology and pathology. DIB is a deep-learning-based imaging biomarker that is derived from large-scale medical image data. Before founding Lunit, he received a PhD in electrical engineering from KAIST in 2014. During his graduate study, he organized a student-driven deep learning research group which became founding members of Lunit. He is a multidisciplinary researcher with internationally recognized expertise in the fields of deep-learning-based image recognition and semiconductor design.

 
 

Multimodal Brain MRI-based Feature Extraction and Analysis using Convolutional Neural Network (성준경 교수, 고려대)

 

Abstract : In this talk, I will introduce an emerging research area, computational neuroimage analysis, with emphasis on convergence technology between computer science and brain science. A major challenge in this field is raised by massive high-dimensional non-Euclidean imaging data, which are difficult to analyze using available techniques. In this talk, I will show that computational approaches can provide both effective and efficient solutions to those challenges. As examples of those solutions, I will present some of my recent research projects on computational neuroimage analysis: multimodal MR image registration and convolution neural network-based feature extraction. By combining these techniques, I will finally present several intermediate results on multi-modal brain analysis techniques to study glioblastoma.

Short Biography : 2000 서울대학교 컴퓨터공학 학사, 2005 서울대학교 컴퓨터공학 박사, 2005-2008 University of Utah, Postdoctoral Fellow, 2008-2010 한국과학기술원 연구조교수, 2010-2012 숭실대학교 조교수, 2012-현재 고려대학교 바이오의공학부 부교수
 

 
 

뇌구조/뇌기능 영상 분석을 위한 기계학습 기술 소개 (석흥일 교수, 고려대)

 

Abstract : 세계적으로 뇌 연구에 대한 중요성이 부각됨과 동시에 뇌영상 분석에 대한 관심이 어느 때 보다 높아지고 있다. 특히, 대용량 뇌영상 데이터의 효율적 분석을 위한 계산 모델링 기법의 중요성이 강조되고 있으며, 데이터로부터 다양한 형태의 정보들을 추출 가능한 기계학습 기법들은 뇌영상 데이터 분석 및 패턴 분류를 위한 핵심 기술로 부각되고 있다. 본 강연에서는 뇌 구조 및 뇌 기능 영상 분석을 위한 딥러닝 및 기계학습 기법들을 소개한다.
 
Short Biography : 2015-현재, 고려대학교 뇌공학과 조교수 2015-현재, 한국정보과학회 인공지능소사이어티 재무이사 2012-2014, Postdoctoral Research Associate, University of North Carolina at Chapel Hill, USA 2012, 고려대학교 컴퓨터·전파통신공학과 박사

 
 

바이오의료영상 적용을 위한 unsupervised learning 과 sparse representation (예종철 교수, KAIST)

 

Abstract : 바이오의료영상 분야의 경우 데이타 획득에 있어서 환자의 개인정보 보호 및 비용등에 따른 현실적인 어려움때문에 수많은 데이타를 얻기 어려운 경우가 많다. 따라서 big data 를 이용한 backprogation 기반의 기존의 딥러닝 학습 기법을 그대로 의료영상에 적용하는것에 한계들이 있다. 이러한 의료영상 데이타의 내제적인 구조를 이용하여 unsupervised learning 을 통한 pretraining 기법의 중요성이 증가하고 있다. 이 강의에서는 이에 대한 연구를 소개하고 이를 이용한 의료영상 딥러닝기법의 예를 보여준다. 

Short Biography : 1993,95 서울대학교 제어계측공학과 학사,석사, 1999 퍼듀대학교 전기공학부 박사, 1999-2001, University of Illinois at Urbana Champaign, Postdoc, 2001-2003: Senior Member Research Staff, Philips Research Lab USA, 2003-2004: Senior Research, GE Global Research Lab,   2004-현재 한국과학기술원 바이오및뇌공학과 정교수 및 KAIST 지정 석좌교수
 

 
 

NVIDIA 의 GPU 기반 의료영상의 Deep Learning 적용 기술 소개 (한재근 과장, NVIDIA)

 

Abstract : 본 발표에서는 최근 GPU 를 이용한 의료영상의 Deep Learning 활용 사례를 살펴본다. 특히 딥러닝에 최적화된 Tesla P100 GPU 아키텍쳐의 특징과 딥러닝용 시스템 및 GPU 기반 DL 프레임웍을 알아본다. 또한, 원활한 딥러닝 연구를 위해 엔비디아가 제공하는 DIGITS, nvDocker, NCCL 라이브러리, cuDNN 라이브러리의 활용방법을 익힌다. 후반부에 DIGITS 를 통한 이미지 인식 데모를 진행할 예정이다.
 
Short Biography : 2011 서울대학교 컴퓨터공학 석사, 2011~2013 삼성메디슨(의료초음파), 2013~2015 현대중공업 (수술 로봇) , 2016~ NVIDIA 코리아 솔루션 아키텍트.  GPU 기반 병렬 프로그래밍 기법인 CUDA, OpenACC 기반 병렬 기술지원 및 GPU 기반 딥러닝 관련 기술지원을 하고있다.
 

딥러닝을 이용한 바이오•의료영상 분석 실습

딥러닝을 이용한 의료 영상 영역화 실습 (정원기 교수(UNIST)와 조교들)

 

Abstract : 본 강의는 최신 딥러닝 프로그래밍 툴을 이용하여 실제로 딥러닝 모델을 구현하고 최적화 하는 실습을 진행한다. 본 실습에서는 TensorFlow 기반의 툴인 TFlearn을 이용하여 Convolutional Neural Network기반의 딥러닝 모델을 구현하는 방법을 배우며 이를 현미경 영상의 Classification과 MRI영상의 Segmentation 문제에 적용해 본다.
 
Short Biography : 1999: 고려대학교 수학과 학사, 2001: 고려대학교 컴퓨터학과 석사, 2001-2003: 막스플랑크연구소 연구원, 2008: University of Utah 컴퓨터학과 박사, 2008-2011: Harvard 대학교 뇌과학연구소 연구원, 2011-현재: 울산과학기술원 전기전자컴퓨터공학부 부교수