PINN이란, objective function으로 물리학 방정식을 설정해놓은 neural network이다. fMRI 및 fNIRS 촬영에 이용되는 뇌의 생체신호인 BOLD (Blood-Oxygen-Level Dependent) Signal의 미분 방정식으로 PINN을 학습시켜서 BDM (Brain Dynamics Model)을 만들려는 최신 연구가 있길래 흥미로워서 가져와 봤다. 아직 학술지에 출판은 되지 않았으며, bioRxiv preprint로 있다. BOLD signal은 특정 뇌 영역이 활성화되었을 때 증가하는 혈류역학적 수치이다. 뇌 영역이 활성화되면, 해당 국소부위로 혈액이 몰린다. 신경세포에서 소모하는 산소보다 혈액이 몰려서 증가하는 산소량이 더 많기 때문에, 국소부위에는 oxyhemog..

대표적인 neuroimaging 기술인 fMRI 모달리티에 대한 전반적인 특징을 정리하였다. 서울대병원 신경과학교실 故 이경민 교수님의 2001년 리뷰논문 「기능적 자기공명영상의 임상적 활용」에서 많은 부분 참고하였다. fMRI란?fMRI는 기능적 자기공명영상(functional Magnetic Resonance Imaging)으로, 뇌의 구조와 기능적 활동을 동시에 평가하는 비침습적 영상 기법이다. fMRI는 혈액 내 산소포화도의 변화(BOLD Signal)를 측정하여 neural activity를 관찰한다. 기존의 영상 방법인 PET와 달리 외부 조영제를 사용하지 않고 (PET는 18-FDG같은 조영제를 복용하지만, fMRI는 조영제를 먹지 않아도 된다), 고해상도로 빠른 시간적 분석이 가능하다. f..

*본 포스팅은 투자 권유가 아닙니다! 이번 주 수요일(2024.10.02) 부터 3일간 코엑스에서 병원설비 박람회 (KHF - https://khospital.org/) KHF - KHF 2024국내 최대 규모 헬스테크 박람회! KHF 2024 10월 2일-4일, 코엑스 개최! 병원정보시스템, 의료 AI, 디지털 치료제, 의료기기, 의료설비 등 이 모든 것을 KHF에서 확인하세요.khospital.org가 열린다. 본 포스팅에서는 NIPA 부스에서 비즈니스 모델을 잘 갖추고 있는 의료 인공지능 회사들을 미리 정리하여, 의료 AI에 관심있는 사람들의 KHF 관람을 더욱 의미 있게 하고자 한다. 먼저, B2B (혹은 B2H) 의료 인공지능 시장은 SaMD 형태의 진단 및 예후예측 솔루션을 판매하는 소프트웨어..

지난 주말에 우리 동아리(MD Winners)와 서울대병원이 함께하는 의료 LLM 개발 해커톤에 참여하였다. 2월에 참여했던 의료 AR 해커톤(https://cascade.tistory.com/39 - 인생 첫 해커톤) 때는 제대로 개발을 할 줄도 모르는 상태에서 참여해서 기획 위주로 했었는데, 이번에는 개발 프로세스의 일부를 담당하게 되어 지난번보다 조금 더 "해커톤다운" 경험을 할 수 있었다. 서론으로 우리 동아리인 MD Winners  소개를 조금 하자면, 서울대 의과대학 소속 경제경영 동아리 (사실상 창업동아리!) 로, 의료 분야에서 다양한 혁신을 하고자 하는 친구들이 모여 있고, 다들 하나같이 열정이 넘친다. 의대 들어와서 가장 잘한 것 중 하나가 이 동아리에 들어온 것이라고 생각할 정도로 내가..

FixMatch (Sohn et al, 2020)는 적은 수의 labeled data와 많은 수의 unlabeled data가 섞인 데이터셋에서 학습을 할 때 pseudo-labeling 기반으로 unlabeled data를 utilize하는 반지도학습(semi-supervised learning) 기법이다. Fixmatch는 Mixup이라는 다소 복잡(?)한 unlabeled data utilization 기법을 가진 MixMatch(2019)에 비해 단순하면서도 보편적인 아이디어를 제공하여 많은 반지도학습 상황에 응용되어 왔다. 아이디어를 간단하게 소개하면, labeled data는 일반적인 supervised learning처럼 이용하고, unlabeled data는 모델의 confidence가 특..

보편 근사 정리 (Universal Approximation Theorem)에 따르면, 파라미터 수가 충분한 인공신경망은 임의의 연속적인 다변수함수를 원하는 정확도로 근사할 수 있다. 즉, 파라미터 수가 충분하다면, 이론상 train set의 accuracy를 100%으로 만드는 파라미터 조합은 반드시 존재한다. https://en.wikipedia.org/wiki/Universal_approximation_theorem Universal approximation theorem - WikipediaFrom Wikipedia, the free encyclopedia Feed-forward neural network with a 1 hidden layer can approximate continuous fu..