쇼핑몰 검색

도서목록
도서목록 고객센터

맞춤형 정밀의료 시대를 위한 의료 솔루션 디지털 병리 시스템 및 합성 의료데이터 기술동향 요약정보 및 구매

상품 선택옵션 0 개, 추가옵션 0 개

ISBN 979-11-85497-28-0 93500
발행일 2021년 8월 23일
페이지 256page
판형 210*297
제본 양장본
저자 하연 편집부
가격 380,000원
시중가격 380,000원
판매가격 342,000원
할인율 10.00%  ↓
포인트 5점
배송비결제 주문시 결제

선택된 옵션

  • 맞춤형 정밀의료 시대를 위한 의료 솔루션 디지털 병리 시스템 및 합성 의료데이터 기술동향 (+0원)

상품 상세설명

제목: 맞춤형 정밀의료 시대를 위한 의료 솔루션 디지털 병리 시스템 및 합성 의료데이터 기술동향

1ae22b49193f425aaf54a05ce3da6c8c_1629786653_27.jpg

1ae22b49193f425aaf54a05ce3da6c8c_1629786666_34.jpg

1ae22b49193f425aaf54a05ce3da6c8c_1629786707_41.jpg

1ae22b49193f425aaf54a05ce3da6c8c_1629786718_51.jpg

1ae22b49193f425aaf54a05ce3da6c8c_1629786726_51.jpg

1ae22b49193f425aaf54a05ce3da6c8c_1629786733_71.jpg

 

목차

 

1장 디지털 헬스와 디지털 병리학(digital pathology)의 기술 개요

 1. 새로운 패러다임 디지털 헬스

   1-1. 디지털 헬스케어의 진화

      1-1-1. 디지털 헬스케어와 데이터

        (1) 디지털 헬스케어와 데이터의 상관관계

           . 새로운 의료 패러다임 디지털 헬스케어의 진화

           . 데이터와의 상관관계

        (2) 데이터3

        (3) 국내 의료 데이터의 활용성

      1-1-2. IT 통합

      1-1-3. 치료 방식의 변화 유전체 시퀀싱(Sequencing)

        (1) 유전자 분석

        (2) 차세대 유전체 분석 기술

           . 전장엑솜시퀀싱(Whome Exome Sequencing, WES)

           . 전장 유전체 시퀀싱(Whole Genome Sequencing, WGS)

           . 목표 유전자 시퀀싱(Targeted Gene Sequencing, TGS)

           . 유전체 분석 기술과 디지털 헬스케어

        (3) DTC 유전자 검사

           . DTC 유전자 검사 개요

           . 국내외 DTC 유전자 검사 동향

           . DTC 유전자 검사시 유의사항

      1-1-4. 디지털 병리학(Digital Pathology)

        (1) 디지털 병리학 개요

        (2) 디지털 병리학 기반 생산성 향상

      1-1-5. 정밀의학(precision medicine)의 전환

   1-2. 원격의료와 진화를 통한 디지털 헬스케어의 발전 전략

      1-2-1. 기존 의료시스템과의 결합

      1-2-2. 디지털 헬스케어의 발전 전략

 2. 디지털 병리학(digital pathology) 기술 동향

   2-1. 디지털 병리학의 등장 배경

      2-1-1. 병리학(Pathology)

        (1) 질병과 병리학

        (2) 병리 진단

      2-1-2. 디지털 병리학의 필요성

   2-2. 디지털 병리 시스템

      2-2-1. 병리 검사과정

        (1) 육안조직병리 관찰

        (2) 조직슬라이드 제작

        (3) 현미경 관찰

      2-2-2. 디지털 병리 과정

      2-2-3. 디지털 병리 솔루션

      2-2-4. 병리 데이터

   2-3. 디지털 병리 활용을 위한 생태계 조성 및 이점

      2-3-1. 디지털 병리학 생태계 조성

      2-3-2. 디지털 병리학 장점

   2-4. 디지털 병리학 시장 전망

      2-4-1. 시사점

      2-4-2. 디지털 병리학의 시장 전망

 

2장 합성 데이터(Synthetic Data)와 디지털 치료제(Digital Therapeutics) 기술 동향

 

 1. 합성 데이터 기술 동향

   1-1. AI와 의료 기술

   1-2. AI 기반 합성 데이터(Synthetic Data)

      1-2-1. 합성 데이터(Synthetic Data) 개념

        (1) 합성 데이터(Synthetic Data) 등장 배경

        (2) 합성 데이터 개념

      1-2-2. 합성 데이터 목적

        (1) 합성 데이터와 비식별화

        (2) 합성 데이터의 특징

           . 합성 데이터의 이점

           . 합성 데이터의 단점

      1-2-3. 합성 데이터와 실제 데이터 비교

        (1) 합성 데이터 생성 기술

        (2) 합성 데이터 대 실제 데이터

        (3) 합성 데이터 생성 방법

        (4) 합성 데이터 생성 과정

   1-3. 합성 데이터 생성 방법의 종류

      1-3-1. 완전 합성 데이터(Fully Synthetic Data)
      1-3-2. 부분 합성 데이터(Partially Synthetic Data)

      1-3-3. 복합 합성 데이터(Hybrid Synthetic Data)

   1-4. 합성 데이터 생성 프로세스

      1-4-1. CART 기법을 적용한 재현 데이터 생성

      1-4-2. 딥러닝 기반 합성 데이터 생성 방법

        (1) GAN(Generative Adversarial Network)을 활용한 합성 데이터 생성

           . GAN 기술 개요

           . GAN 구조

             학습데이터

             생성자(generator) 네트워크

             판별자(discriminator) 네트워크

           . 적대적 학습 방법

        (2) VAE(Variational Autoencoder)로 합성 데이터를 생성하는 과정

        (3) 베이지안 네트워크(Bayesian Network)를 활용한 합성 데이터 생성

 2. 합성 데이터 활용 사례 및 기술 동향

   2-1. 합성 데이터의 활용 사례

      2-1-1. 빅데이터 분석을 위한 합성 데이터

      2-1-2. 기계학습 알고리즘 교육을 위한 합성 데이터

   2-2. 합성 데이터 활용 분야

      2-2-1. 합성 의료 데이터

        (1) 보건의료산업과 데이터

        (2) 의료 분야에서 합성 데이터 활용

           . EHR 기반 합성 의료 데이터 생성

           . 임상데이터에 합성 의료 데이터에 활용

           . 합성 데이터를 활용한 신약 개발

      2-2-2. 자율주행 자동차 구현을 위한 합성 데이터

        (1) 합성 데이터 사용

        (2) 합성 데이터 유용성을 위한 요구 사항

           . 정확한 센서 데이터

           . 환경에 따른 데이터 변형

           . 정확성을 위한 주석

      2-2-3. 제조업에서의 합성 데이터 활용

      2-2-4. 금융산업에서의 합성 데이터 활용

        (1) 금융 데이터

        (2) 금융분야의 AI 도입

           . RPA 시스템

           . 영업 및 마케팅 분야

           . 챗봇 활용

           . 투자 관리 및 트레이딩(Trading)

           . 사기 및 부정방지 기능

           . AI 기반 신용분석시스템

        (3) 금융기관의 AI 도입을 저해하는 요소

        (4) 금융분야의 합성 데이터 활용

   2-3. 국내외 합성 데이터 기술 동향

      2-3-1. 해외 합성 데이터 기술 동향

        (1) 미국 SSB

        (2) 미국 SynLBD

        (3) 독일 노동청의 사업장 패널(IAB Establishment Panel)

        (4) 영국 SYLLS(Synthetic Longitudinal Studies Data)

      2-3-3. 국내 합성 데이터 기술동향

        (1) 통계청

        (2) 한국신용정보원 개인신용정보 재현자료

        (3) 한국정보화진흥원의 코리아크레딧뷰로(KCB)

   2-4. 합성 데이터의 해결 과제

 

참고문헌

 

그림 목차

 

[그림 1] 데이터 흐름 중심의 디지털 헬스케어 산업 구조

[그림 2] 의료 및 생명과학을 위한 비정형 데이터 관리

[그림 3] 헬스케어 서비스 모델의 미래

[그림 4] 의료 데이터 공유 및 원격 백업

[그림 5] 데이터3법 주요 내용 및 향후 과제

[그림 6] 마이 헬스웨이 의료 데이터 수집 체계

[그림 7] 병원·헬스케어 영역의 일반적인 스토리지

[그림 8] 임상유전체 연구를 위한 NGS의 활용

[그림 9] 표적 유전자 패널, 전체 엑솜 시퀀싱 및 전체 유전자 시퀀싱 접근법의 비교

[그림 10] 엑솜시퀀싱(Exome Sequencing)

[그림 11] 전장 유전체 시퀀싱의 주기적인 재분석 과정 모식도

[그림 12] Targeted sequencing flow

[그림 13] DTC 유전자 검사 과정

[그림 14] 공개 유전자 데이터베이스의 범위를 보여주는 가상 가계도

[그림 15] DTC 유전자 검사 대 소비자 소유 유전자 데이터

[그림 16] 디지털 병리학 기반 품질 향상

[그림 17] 디지털 병리학 기반 생산성 향상

[그림 18] 디지털 병리학의 분석 단계

[그림 19] 의료분야의 중요 기술과 의료 데이터의 종류 및 동향

[그림 20] 바이오마커를 이용한 맞춤형 치료제 개발

[그림 21] 원격의료를 활용한 통합 의료 사이클

[그림 22] 원격의료 진료 과목 비중

[그림 23] 2021년 글로벌 헬스케어 부문이 해결해야 할 과제

[그림 24] 진단 및 정밀 종양학을 위한 AI 기반 디지털 병리학

[그림 25] 인체의 항상성

[그림 26] 디지털 병리 워크플로우

[그림 27] 가상 현미경(virtual microscopy)

[그림 28] 디지털 병리 이미지 분석

[그림 29] 병리조직 검사 과정

[그림 30] 아날로그 방식의 병리학

[그림 31] 전통적 병리학과 디지털 병리학의 작업 흐름 차이

[그림 32] 디지털 병리 과정

[그림 33] 디지털 병리학 워크플로우

[그림 34] 병리학 PACS 아키텍처의 정보 흐름

[그림 35] 디지털 병리학의 분석 단계

[그림 36] 디지털 병리학 시스템

[그림 37] 디지털 병리학의 7단계

[그림 38] 디지털 병리학 시장의 세분화

[그림 39] AI 의료 기술의 가치 사슬

[그림 40] 인공지능(AI) 및 빅데이터

[그림 41] 합성 데이터 생성을 위한 워크플로우

[그림 42] 합성 데이터 프로세스

[그림 43] 데이터 익명화

[그림 44] 합성 의료 데이터의 생성 및 활용 과정

[그림 45] 데이터 창출 과정

[그림 46] 합성 데이터 라이브러리 구조

[그림 47] 데이터 패러다임 변화 분석

[그림 48] 기계학습 및 합성 데이터

[그림 49] 재현 데이터 생성 방법

[그림 50] 완전 합성 데이터와 부분 합성 데이터 비교

[그림 51] 합성 데이터를 활용한 개인정보 보호 사례의 예

[그림 52] 변수간 상관관계 비교

[그림 53] CART 결정트리 알고리즘

[그림 54] 의사결정트리 알고리즘 작동 과정

[그림 55] GAN 아키텍처 개요

[그림 56] GAN 작업 과정

[그림 57] GAN의 개념도

[그림 58] GAN의 학습 방법

[그림 59] Generative Adversarial Network

[그림 60] 생성적 적대 네트워크

[그림 61] 판별자 교육 프로세스

[그림 62] GAN의 작동 방식

[그림 63] GAN을 활용한 재현 데이터

[그림 64] VAE의 구조

[그림 65] 생성모델 개념도

[그림 66] VAE로 합성 데이터를 생성하는 방법

[그림 67] 베이지안 네트워크의 예

[그림 68] A constraint graph grouping variables

[그림 69] 재현 데이터 생성기술 기반 가명처리 서비스 Use Case

[그림 70] 합성 데이터 생성을 위해 제안된 시스템

[그림 71] 개인정보 보호를 위한 AI의 안전한 구현

[그림 72] 기계학습 알고리즘 교육을 위한 합성 데이터 개요

[그림 73] 머신러닝을 위한 합성 데이터 셋 생성 워크플로우

[그림 74] 머신러닝(ML) 워크플로우

[그림 75] 의료분야에서 인공지능 활용

[그림 76] 전자건강기록 데이터에서 예측·분석을 생성하는데 필요한 프로세스

[그림 77] 합성 데이터 생성을 위한 워크플로우

[그림 78] 임상적 증거 생성의 과정

[그림 79] 합성 의료 데이터 생성

[그림 80] 머신러닝(ML)을 활용한 의료 데이터 생성

[그림 81] 자율주행 차량의 장면 인식 및 물체 감지를 위한 딥러닝 아키텍처

[그림 82] 딥러닝을 통한 센서 융합

[그림 83] 합성 데이터와 실제 데이터 혼합

[그림 84] 자율주행 프레임워크

[그림 85] 합성 이미지 렌더링 과정

[그림 86] 학습용 이미지를 생성하는 Generative Model 구성도

[그림 87] 합성 데이터를 추가하기 전과 후의 위험한 오브젝트 감지율

[그림 88] 금융분야의 AI 도입

[그림 89] RPA의 이점

[그림 90] 챗봇 구축

[그림 91] 로보어드바이저 단계

[그림 92] 위험 관리를 위한 인공지능

[그림 93] AI를 적용한 신용 프로세스

[그림 94] GAN을 활용한 새로운 데이터 셋

[그림 95] 합성 생태계

[그림 96] 데이터 보호 규정의 범위

[그림 97] 합성 데이터 생성 과정

[그림 98] 금융 빅데이터 개방시스템 구조도

[그림 99] 재현 데이터 구현

[그림 100] 비식별 조치 및 사후관리 절차

 

표 목차

 

[1] 의료서비스 패러다임 전환에 따른 치료방식의 변화와 디지털 헬스케어의 개념

[2] 모바일 헬스케어 애플리케이션 기능별 분류

[3] 해외 빅데이터 활용 사례 및 의료 데이터의 진화

[4] 데이터3법의 개정안

[5] 데이터3법의 주요 특징 및 데이터 활용을 위한 비식별화 과정

[6] 의료 데이터의 종류 및 동향과 빅데이터 기술을 활용한 치료방식의 변화

[7] ACMG 가이드라인의 우연히 발견된 결과 보고 기준중 유전성암 관련 유전자

[8] DTC 유전자 검사 3차 시범사업

[9] 글로벌 정밀의료 시장 전망(단위: 십억달러)

[10] 병리학의 종류

[11] 육안 조직 검사

[12] 의료 빅데이터 활용 강화 분야

[13] 합성 데이터 분야 핵심기술 및 합성 데이터 생성 과정

[14] 데이터 비식별화 예시 및 비식별 조치와 사후관리 절차

[15] 국내외 인공지능 윤리 관련 원칙 및 가이드 발간 현황

[16] 데이터 비식별화 적용기법

[17] 합성 데이터와 실제 데이터의 질 측정 결과

[18] 재현 데이터 생성 도구

[19] 재현 데이터의 분류

[20] 합성 데이터 생성 기법

[21] 주요 결정트리 파라미터 및 의사결정트리 분류 알고리즘

[22] 합성 데이터(Synthetic Data)의 용도별 분류 및 합성 데이터 오픈소스
[23] 합성 데이터에 사용할 수 있는 주석 유형

[24] 일반신용정보

[25] SSB 이용 절차

[26] 합성 데이터 (Synthetic Data) 분야 핵심기술 연구목표

상품 정보 고시

품명 상품페이지 참고
모델명 상품페이지 참고
소유권 이전 조건 상품페이지 참고
상품의 고장·분실·훼손 시 소비자 책임 상품페이지 참고
중도 해약 시 환불 기준 상품페이지 참고
소비자상담 관련 전화번호 상품페이지 참고

등록된 사용후기

사용후기가 없습니다.

등록된 상품문의

상품문의가 없습니다.

배송 안내 입력전입니다.
하연