바이오 딥러닝 : 의료 데이터로 환자 진단 및 신약 개발 모델 구현하기

강의 목표

최신 영상 인식의 딥러닝 기술이 발달하면서 병리 이미지를 딥러닝으로 처리하고 환자를 진단하는 기술이 많이 발전하였고, 병리 이미지로암환자를 진단할 수 있게 되었습니다. 병리 이미지 분석을 위한 필수적인 영상 딥러닝 기술을 배우고 그 기술이 실제 대장암 환자 병리 이미지에 어떻게 적용될 수 있는지 알아보고자 합니다.

이론

- 병리 이미지 진단 기술 설명
- 병리 이미지 분석을 위한 컴퓨터 영상 처리 필수 개념과 CNN 모델
- 병리 이미지 딥러닝 분류 모델 기반 Pixel Segmentation 

실습

- 대장암 환자 병리 이미지 분류 모델 
- 분류 모델 기반 Whole slide image 분석 하기
- 분류 모델 기반 Whole slide image Pixel Segmentation

강의 목표

최근 의료 영상 판독 기술에 딥러닝 기술을 많이 주목 받고 있습니다. X-ray, CT, MRI 데이터 기반으로 환자를 진단해보고자 합니다. 의료 영상(X-ray, CT, MRI) 분석을 위한  필수적인 영상 딥러닝 기술을 배우고 그 기술이 실제 환자 데이터에 어떻게 적용될 수 있는지 알아보고자 합니다.

이론

- 의료 영상 진단 기술 설명
- 의료 영상 분석을 위한 컴퓨터 영상 처리 필수 개념과 CNN 모델
- 의료 영상 진단 원인 분석 기법

실습

- 코로나 환자 X-ray 인공지능 검사 모델
- 코로나 환자 CT 인공지능 검사 모델
- 뇌질환 환자 MRI 인공지능 검사 모델

강의 목표

딥러닝 모델중에 가장 큰 규모를 차지는 부분이 신약 개발입니다. 그 중 신약 개발의 가장 기본이 되는 단백질과 화합물의 결합력을 예측하는 모델을 알아보고자 합니다. 단백질 화합물 결합 모델 뿐 아니라 DNA, RNA, 단백질 간의 상호작용을 예측하는 것 또한 신약 개발에 한 부분을 차지 합니다. 두가지 도메인 간의 상호작용을 예측을 위한  필수적인 자연어 딥러닝 기술을 배우고 그 기술이 실제 신약 개발에 어떻게 적용될 수 있는지 알아보고자 합니다.

이론

- 인공지능 신약개발 설명 (DNA, RNA, 단백질, 화합물 상호작용 기반)
- Multi Modal의 이해
- 단백질 화합물 결합력 예측을 위한 자연어 처리 개념과 모델 

실습

- 단백질 화합물 결합력 예측 모델
- 항원 단백질과 면역 단백질 결합력 예측 모델
- RNA와 RNA 결합 예측 모델

강의 목표

4회차에서 배웠던 다양한 도메인들 간의 상호 관계 예측을 더 심화된 모델을 적용하고자 합니다. 해당 내용에서 나오는 심화된 개념이 어떻게 단백질 구조 예측에 활용 되는지 배워보고자 합니다.

이론

- DNA, RNA, 단백질, 화합물의 다양한 머신러닝 Embedding 기법
- 인공지능 단백질 구조 예측 모델

실습

- 다양한 Embedding 기법 DNA, RNA, 단백질, 화합물에 적용
- 인공지능 단백질 구조 예측

강의 목표

신약개발을 하기 위해서는 의약 화합물이 독성을 가지지 않는지, 분자 물성적으로 안정적인지를 예측하는 것이 중요합니다. 의약 화합물의 특성을 예측하기 위해 주로 사용되는 방법은 그래프 딥러닝 기법입니다. 필수적인 그래프 딥러닝 기법에 화합물 독성 예측과 물성 예측에 적용하고자 합니다.

이론

- 의약 화합물 특성 예측 인공지능 설명
- 의약 화합물 특성 예측을 위한 그래프  필수 개념과 그래프 딥러닝 모델

실습

- 의약 화합물 Graph 딥러닝 모델
- 의약 화합물 독성 예측 모델 
- 의약 화합물 물성 예측 모델 

강의 목표

신약개발에 있어서 가장 중요한 부분은 기존에 없던 약을 만드는 것 입니다. 생성 모델을 통해서 기존 데이터 베이스를 학습하고 새로운 약을 만들어 낼 수 있습니다. 신약 생성 모델에 필요한 필수적인 Autoencoder와 Variational Autoencoder의 개념을 이해하고 DNA, RNA, Protein과 Chemical 데이터에 적용해 봅니다.

이론

- 신약 생성 모델 설명
- 신약 생성을 위한 AutoEncoder와 Variational AutoEncode

실습

- Chemical AutoEncoder와 Variational AutoEncoder 생성 모델
- Protein AutoEncoder와 Variational AutoEncoder 생성 모델

강의 목표

7회차에서 배운 Autoencoder와 Variational Autoencoder와 다른 개념의 생성 모델인 GAN(Generative Adversarial Networks)을 이해하고  DNA, RNA, Protein과 Chemical 데이터에 적용해보고자 합니다.

이론

- 신약 생성을 위한 GAN(Generative Adversarial Networks) 모델

실습

- Chemical GAN(Generative Adversarial Networks) 생성 모델
- Protein GAN(Generative Adversarial Networks) 생성 모델