PART 1 의료 AI 의료와 인공지능은 친화성이 높다 AI의 역사와 의료와의 관계 제1차 인공지능 붐 제2차 인공지능 붐 제3차 인공지능 붐 AI와 신경망 그리고 딥러닝까지
PART 2 머신러닝과 통계학은 종이의 앞뒤 머신러닝에서의 예측은 각 인자의 가중치가 중요하다
PART 3 의료에 사용하는 머신러닝 머신러닝의 종류 지도학습이란? 분류문제 : 질환의 감별 회귀문제 : 수치 예측 학습이란? 입력 데이터의 학습법 과적합의 함정 비지도학습이란?
PART 4 여러 가지 머신러닝 선형 회귀(단순 회귀 또는 다중 회귀) 로지스틱 시그모이드 회귀 K-최근접 이웃 알고리즘(K-Nearest Neighbor) 서포트 벡터 머신(Support Vector Machine, SVM) 결정 트리(Decision Tree) 총체적 학습 랜덤 포레스트(Random Forest) XG 부스트(XG Boost) 머신러닝의 성능
PART 5 진단에 응용한 베이즈 정리 베이즈 정리란?
PART 6 인공 뉴런 신경세포와 인공 뉴런 인공 뉴런의 가중치와 역치 활성화 함수로 출력을 미세하게 조정한다
PART 7 신경망 신경망의 구조 은닉층의 도입 신경망은 점점 현명해진다 신경망에 의한 영상 인식
PART 8 딥러닝 딥러닝의 구조 다른 머신러닝과의 차이점 딥러닝에서의 과적합 딥러닝의 학습과 처리 딥러닝의 종류
PART 9 합성곱 신경망 합성곱 신경망(CNN)의 구조 영상 입력 합성곱(필터 처리) 풀링(Pooling) 전결합층 출력층 층의 깊이와 영상 인식
PART 10 의료 분야에서 활용하는 AI 진료 지원에서의 AI 응용 검체검사에서의 AI 응용 영상 진단에서의 AI 응용 영상 처리에서의 AI 응용 병리 진단에서의 AI 응용 그 외의 영상에 사용되는 AI 정밀의학이나 예방 의료에서의 AI 응용 신약개발에서의 AI 응용 간병에서의 AI 응용
PART 11 AI 시대의 의료 의사는 AI와 어떻게 같이 일할 것인가? 의료에 AI를 도입할 때 논의해야 할 것은? 데이터의 취득과 이용에 관한 문제(개인정보보호 등의 문제) 판단 과정 중 불투명성에 의한 문제 AI의 책임과 의사결정을 둘러싼 의론 진단 지원에 대한 질의 평가나 규격의 설계 지금부터 의사에게 요구될 것들 영상의학 진단의나 병리의에게
총 
바보 빅터
