메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
권소윤 (가천대학교) 김영재 (가천대학교) 김광기 (가천대학교)
저널정보
한국멀티미디어학회 멀티미디어학회논문지 멀티미디어학회논문지 제21권 제12호
발행연도
2018.12
수록면
1,363 - 1,369 (7page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
Breast cancer is one of the most common cancers in women worldwide. In Korea, breast cancer is most common cancer in women followed by thyroid cancer. The purpose of this study is to evaluate the possibility of using deep - run model for segmentation of breast masses and to identify the best deep-run model for breast mass segmentation. In this study, data of patients with breast masses were collected at Asan Medical Center. We used 596 images of mammography and 596 images of gold standard. In the area of interest of the medical image, it was cut into a rectangular shape with a margin of about 10% up and down, and then converted into an 8-bit image by adjusting the window width and level. Also, the size of the image was resampled to 150x150. In Deconvolution net, the average accuracy is 91.78%. In U-net, the average accuracy is 90.09%. Deconvolution net showed slightly better performance than U-net in this study, so it is expected that deconvolution net will be better for breast mass segmentation. However, because of few cases, there are a few images that are not accurately segmented. Therefore, more research is needed with various training data.
#Artificial Intelligence #Deep Learning #Breast Mass #Mammograpy #Segmentation

목차

ABSTRACT
1. 서론
2. 재료 및 방법
3. 결과
4. 고찰
REFERENCE

참고문헌 (17)

참고문헌 신청
[인터넷자원] - / / Korea Breast Cancer Foundation google schola [인터넷자원] - / / National Cancer Information Center google schola [학술지(정기간행물)] - 이봉렬 / 2010 / 디지털 마모그램에서 Mass형 유방암 분할을 위한 초기 위치 자동 검출 / 멀티미디어학회논문지 13 (5) : 702 ~ 709 dbpia [인터넷자원] - / / Diagnosis and Reatment of Breast Cancer google schola [학술대회논문] - J. E. Oh / 2016 / Automatic Computer-Aided Detection of Mass using Digital Mammography with Dense Breast / Proceeding of The Institute of Electronics Engineers of Korea : 1484 ~ 1487 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

흉부 디지털 영상의 병변 유무 판단을 위한 딥러닝 모델
이종근 ,  김선진 ,  곽내정 외 2명 한국정보통신학회논문지 2020 .02
딥러닝 네트워크를 이용한 조영증강 CT 영상 생성
우상근 한국컴퓨터정보학회 학술발표논문집 2019 .01
안과의료영상 대상 딥러닝 연구 동향 분석 및 윤리적 이슈 고찰
윤혜진 ,  조정원 한국정보과학회 학술발표논문집 2018 .12
딥러닝 기반의 이미지 분류 기술 동향
김봉모 한국통신학회지(정보와통신) 2018 .11
딥러닝 기반 위 질환 컴퓨터 보조 진단 시스템 개발 및 Grad-CAM을 활용한 시각화
이한성 ,  조현종 전기학회논문지 2023 .02

최근 본 자료

전체보기

댓글(0)

0