[보관함:] 연구 > 연구성과

우리 학부의 장동의교수가 옥스포드대학의 Anthony L. Caterini와 함께 “Deep Neural Networks in a Mathematical Framework”라는 제목의 딥러닝에 관한 책을 Springer출판사를 통하여 출간하였습니다.책의 자세한 정보는 아래에 있습니다. 책의 eBook은 링크 https://doi.org/10.1007/978-3-319-75304-1 를 통하여 원내에서 다운로드 받으실 수 있고, 제본된 책은 online/offline 서점에서 이용하실 수 있습니다.

Title: Deep Neural Networks in a Mathematical Framework

Authors: Anthony L. Caterini and Dong Eui Chang

Publisher: Springer; 2018

ISBN 978-3-319-75303-4

ISBN 978-3-319-75304-1 (eBook)

https://doi.org/10.1007/978-3-319-75304-1

Book cover and Front Matter: in attachment

 

Summary:

This book describes how to build a rigorous end-to-end mathematical framework for deep neural networks. The authors provide tools to represent and describe neural networks, casting previous results in the field in a more natural light. In particular, the authors derive gradient descent algorithms in a unified way for several neural network structures, including multilayer perceptrons, convolutional neural networks, deep autoencoders and recurrent neural networks. Furthermore, the authors developed framework is both more concise and mathematically intuitive than previous representations of neural networks.

This book is one-step towards unlocking the black box of Deep Learning. The authors believe that this framework will help catalyze further discoveries regarding the mathematical properties of neural networks. This book is accessible not only to researchers, professionals and students working and studying in the field of deep learning, but also to those outside of the neutral network community.

전기 및 전자공학부 최경철 교수와 전용민 연구원이 서울대 분당병원 박경찬 교수, 최혜령 연구원과 OLED로 웨어러블 광 치료 패치를 개발하는데 성공했습니다.

광 치료는 빛을 쬐어 인체의 생화학 반응을 촉진시키는 치료법으로, 병원 등에 설치된 LED 또는 레이저 기기를 통해 상처를 치유하는 데 널리 사용되고 있습니다. 하지만, 기존의 광치료 기기는 유연하지 못하고 균일하게 빛을 조사하기 어려우며 열이 발생하는 문제가 있어서, 치료효과를 높이고 싶어도 인체에 밀착할 수 없는 한계가 있었습니다.

최경철 교수 연구팀이 개발한 광 치료 패치는 가볍고 유연해 피부에 부착한 채 일상생활을 하면서 고효율 치료를 지속할 수 있습니다. 구성요소인 OLED, 배터리, 과열방지 장치(히트싱크), 패치가 모두 얇은 막의 형태로 디자인되었고, 두께 1㎜ 미만, 무게도 1g 미만입니다. 또한 300시간 이상 장시간 작동되며, 반경 20㎜ 이내로 휘어진 상태에서도 구동될 수 있으므로 다양한 인체 부위에 부착할 수 있습니다. 42℃ 이하에서 구동돼 저온화상의 위험도 없으며, 국제표준화기구(ISO) 기준의 안전성도 검증됐을 뿐만 아니라 세포증식이 58% 향상되고 세포이동이 46% 향상돼 상처 부위가 효과적으로 아물게 되는 뛰어난 치유효과를 보였습니다.

이번 연구는 과학기술정보통신부/한국연구재단 기초연구사업 (선도연구센터(ERC): 인체부착형 빛치료 공학센터)의 지원으로 수행됐으며, 국제학술지 어드밴스드 머티리얼스 테크놀로지(Advanced Materials Technologies) 3월 8일 게재되었습니다. 자세한 내용은 아래 논문과 언론 보도 영상에서 확인하실 수 있습니다.

<논문 정보>

Title: A Wearable Photobiomodulation Patch Using a Flexible Red-Wavelength OLED and Its in Vitro Differential Cell Proliferation Effects

Link: http://onlinelibrary.wiley.com/doi/10.1002/admt.201700391/full

<언론 보도 영상>

[MBC] ▶ OLED 반창고 

https://www.youtube.com/watch?v=ePbSyaJhcMc 

 [채널A] ▶ 반창고로 ‘레이저 치료’…빛으로 상처 치유한다 

https://www.youtube.com/watch?v=1yXweMt3uX4

[연합뉴스TV] ▶ [핫뉴스] OLED 반창고. 빛 치료로 상처 빠르게 아물어 

https://www.youtube.com/watch?v=Z7kR3_Hvdlo

 

그림1. 피부에 부착하는 웨어러블 OLED 패치의 구동 사진

 

그림2. 피부에 부착하는 웨어러블 OLED 패치의 상처치유 효과

노용만 교수 연구실 박사과정 김성태 이학민 김학구 학생의 논문이 지난주 미국에서 열린 SPIE Medical Imaging 2018 에서 Robert F. Wagner All-Conference Best Student Paper Award Finalist (Computer-Aided Diagnosis Conference부문 Best Student Paper Award) 를 수상하였습니다.

SPIE Medical Imaging 학회는 의료영상의 세계 최대 규모 학회 중 하나로 의료영상 전분야 9개의 각 conference에서 1등 수상 논문이 Robert F. Wagner Best Student Paper Finalist 에 선정되었습니다.

수상한 논문은 “해석 가능한 딥러닝” 연구결과로  “ICADx: Interpretable computer aided diagnosis of breast masses”입니다.

 

학회: SPIE Medical Imaging (http://spie.org/conferences-and-exhibitions/medical-imaging&nbsp😉

일시: 2018.02.10 – 2018.02.15

수상: Robert F. Wagner All-Conference Best Student Paper Award Finalist (First place in Computer-Aided Diagnosis Conference)

장소: Marriott Marquis Houston, Houston, Texas, United States

논문명: ICADx: interpretable computer aided diagnosis of breast masses

저자: Seong Tae Kim, Hakmin Lee, Hak Gu Kim, and Yong Man Ro

김문철 교수연구실 석사과정 윤성준, 박사과정 김용우 학생이 컴퓨터비전 및 영상처리 분야의 학술행사로서 매년 1회 개최되는 “영상처리 및 이해에 관한 워크숍 (IPIU 2018)” 학술대회에서 우수 논문상 금상(발표 논문 280여편 중 1등상 2편 선정)을 수상하였습니다.

-학술행사명: 영상처리 및 이해에 관한 워크숍 (IPIU 2018)

-행사 기간: 2018년 2월 7일(수) – 2월 9일(금)

-행사 장소: 제주도 메종 글래드 제주 호텔

-논문 제목: 계층구조 콘볼루션 신경망을 이용한 프레임 율 향상에 관한 연구

-저자: 윤성준, 김용우, 김문철

논문 소개:

본 논문에서 계층구조 콘볼루션 신경망을 이용한 프레임 율 향상 기법을 제안한다. 콘볼루션 신경망을 계층적으로 구성하여, 적응적으로 최적의 위치에서 콘볼루션 연산을 수행함으로써 빠른 움직임의 물체의 보간에 강인한 성능을 보였다.

결과적으로 Peak signal-to-noise ratio (PSNR) 관점에서 기존 ICCV 2017 “Video Frame Interpolation via Adaptive Separable Convolution” 알고리즘과 비교하여 0.41dB 의 향상이 있었으며, 주관적으로도 더 선명한 결과를 보였다.

우리 학부 최성율 교수가 신소재공학과 박상희 교수와 공동으로 수행한 연구가 Advanced Functional Materials에 1월 10일자 Front Cover 논문으로 게재되었습니다.

해당 논문 주제는 ‘소프트 전자 시스템용 저전력 멤리스터 집적회로 개발’ 이며, 주저자는 장병철 박사과정 (공동 제1저자), 남윤용 박사과정 (공동 제1저자), 박상희 교수 (공동 교신저자), 최성율 교수(공동 교신저자) 입니다.

 

저널 : Advanced Functional Materials

논문명 : Memristive Logic-in-Memory Integrated Circuits for Energy-Efficient Flexible Electronics

주저자 : 장병철 박사과정 (공동 제1저자), 남윤용 박사과정 (공동 제1저자, 신소재공학과)

논문 Link : http://onlinelibrary.wiley.com/doi/10.1002/adfm.201704725/full

 

 

우리 학부 정재웅 교수 연구실이 Washington University School of Medicine in St. Louis, Northwestern University 등과 공동으로 수행한 연구가 Small에 1월 25일자 Front Cover 논문으로 게재되었습니다.

해당 논문 주제는 ‘배터리 없이 약물과 빛자극을 뇌에 전달할 수 있는 초소형 무선 뉴럴 임플랜트’이며, KAIST 방문연구원인 Raza Qazi, 정재웅 교수(교신저자) 등이 참여하였습니다.

 

• 저널: Small

• 논문명: Miniaturized, Battery-Free Optofluidic Systems with Potential for Wireless Pharmacology and Optogenetics

• 논문 Link: http://onlinelibrary.wiley.com/doi/10.1002/smll.201702479/full

우리 학부 김문철 교수 연구팀이 딥러닝 기술을 이용해 풀 HD 비디오 영상을 4K UHD 초고화질 영상으로 초해상화 변환할 수 있는 기술을 개발했습니다.

이 기술은 인공지능의 핵심 기술인 심층 콘볼루션 신경만(Deep Convolutional Neural Network, DCNN)을 하드웨어로 구현했습니다. 초당 60프레임의 초고해상도 4K UHD 화면을 실시간으로 생성할 수 있는 알고리즘 및 하드웨어 개발을 통해 향후 프리미엄 UHD TV, 360 VR, 4K IPTV 등에 기여할 것으로 기대됩니다.

이번 연구는 우리학부 김용우, 최재석 박사과정 등이 주도했고 현재 특허 출원을 준비 중입니다.

최근 영상 화질 개선 연구에 인공지능의 핵심 기술인 심층 콘볼루션 신경망을 적용시키려는 노력이 활발히 이뤄지고 있습니다. 그러나 이러한 심층 콘볼루션 신경망 기술은 연산 복잡도가 매우 높고 사용되는 메모리가 커 작은 규모의 하드웨어를 통해 초고해상도 영상으로 실시간 변환하는 데 한계가 있습니다.

기존의 프레임 단위로 영상을 처리하던 방식은 DRAM과 같은 외부 메모리 사용이 필수적인데 이로 인해 영상 데이터를 처리할 때 지나친 외부 메모리 접근으로 인한 메모리 병목현상과 전력 소모 현상이 발생했습니다.

김문철 교수 연구팀은 프레임 단위 대신 라인 단위로 데이터를 처리할 수 있는 효율적인 심층 콘볼루션 신경망 구조를 개발해 외부 메모리를 사용하지 않고도 작은 규모의 하드웨어에서 초당 60 프레임의 4K UHD 초해상화를 구현했습니다.

연구팀은 기존 소프트웨어 방식의 심층 콘볼루션 신경망 기반의 고속 알고리즘과 비교해 필터 파라미터를 65% 정도만 적용하고도 유사한 화질을 유지했습니다.

이는 딥러닝 기술을 이용한 고해상도 영상 변화 기술이 활발히 진행되는 가운데 초당 60프레임의 4K UHD 초해상화를 하드웨어로 실현한 첫 사례로 꼽힙니다.

김문철 교수는 “이번 연구는 심층 콘볼류션 신경망이 작은 규모의 하드웨어에서 초고품질 영상 처리에 실질적으로 응용 가능한 기술임을 보인 매우 중요한 사례다”며 “현재 프리미엄 UHD TV 및 UHD 방송 콘텐츠 생성, 360도 VR 콘텐츠, 4K IPTV 서비스에 매우 효과적으로 적용할 수 있다”고 말했습니다.

이번 연구는 과학기술정보통신부 정보통신기술진흥센터(IITP) ICT 기초연구실 지원사업의 지원을 받아 수행됐습니다.