지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2023.2
- 수록면
- 216 - 226 (11page)
- DOI
- 10.7840/kics.2023.48.2.216
이용수
DBpia Top 0.5%동일한 주제분류 기준으로최근 2년간 이용수 순으로 정렬했을 때
해당 논문이 위치하는 상위 비율을 의미합니다.
초록· 키워드
오류제보하기
본 논문은 인공지능 의료영상인식 기술을 활용하여 유방암 진단을 하는 기법에 대해 연구하였다. 이를 위해 맘모그래피 이미지, 초음파 이미지, 조직병리 이미지를 사용하여, 이미지 분류 기법과 이미지 분할 기법을 통해 유방암 분류와 해당 환부 위치를 추론하는 과정의 정확도 향상을 위한 전략들에 대해 연구하였다. 즉, 성능 최적화를 위해 여러 이미지 분류 기술 및 이미지 분할 기법들과 관련 손실함수들 중에 각 의료영상 데이터 별 최적의 기술을 선별하였고, 해당 성능 최적화를 위한 데이터 증강 기법을 제시하였다. 제시된 방법들을 통해 분석한 결과, 필터 기반의 데이터 증강 기술을 활용하면 이미지 분류 기술에서는 ResNet50이 가장 좋은 성능을, 이미지 분할 기술로는 맘모그래피 영상과 초음파 영상 모두 UNet 기술이 가장 좋은 성능을 나타내었다. 해당 기술을 적용한 결과, 맘모그래피 영상에서의 이미지 분할 작업에서는 33.3%, 초음파 영상에서의 이미지 분할 작업에서는 29.9%, 조직병리 이미지에서의 이미지분류 작업에서는 22.8%의 성능 향상을 나타내었다.
목차
요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 관련 연구
Ⅲ. 유방암 진단 과정 및 관련 영상 인식 기술
Ⅳ. 유방암 진단 과정 및 관련 영상 인식 기술
Ⅴ. 유방암 진단을 위한 의료 영상인식 기술 모델
Ⅵ. 유방암 영산 진단을 위한 데이터 증강 기법
Ⅶ. 실험
Ⅷ. 결론
References
참고문헌 (36)
참고문헌 신청
A. Krizhevsky, I. Sutskever, and G. E. Hinton, “ImageNet classification with deep convolution al neural networks,” Advances in NIPS, vol. 2 5, 2012.
K. Simonyan and A. Zisserman, “Very deep convolutional networks for large-scale image recognition,” arXiv preprint arXiv:1409.1556, 2014.
K. He, X. Zhang, S. Ren, and J. Sun, “Deep residual learning for image recognition,” arXiv preprint arXiv:1512.03385, 2015.
G. Huang, Z. Liu, L. van der Maaten, and K. Q. Weinberger, “Densely connected convolutional networks,” in Proc. IEEE Conf. CVPR, pp. 4700-4708, 2017.
M. Tan and Q. V. Le, “EfficientNetV2: Smaller models and faster training,” Int. Conf. Mach. Learn., PMLR, pp. 10096-10106, 2021.
K. Simonyan and A. Zisserman, “Very deep convolutional networks for large-scale image recognition,” arXiv preprint arXiv:1409.1556, 2014.
K. He, X. Zhang, S. Ren, and J. Sun, “Deep residual learning for image recognition,” arXiv preprint arXiv:1512.03385, 2015.
G. Huang, Z. Liu, L. van der Maaten, and K. Q. Weinberger, “Densely connected convolutional networks,” in Proc. IEEE Conf. CVPR, pp. 4700-4708, 2017.
M. Tan and Q. V. Le, “EfficientNetV2: Smaller models and faster training,” Int. Conf. Mach. Learn., PMLR, pp. 10096-10106, 2021.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
객체 계층 정보를 활용한 이미지 분할 기법 설계
대한전기학회 학술대회 논문집
2021 .10
-
데이터 증강을 이용한 의료 이미지 분류 정확도 개선에 관한 연구
한국컴퓨터정보학회논문지
2023 .12
-
이미지 해상도 차이에 따른 이미지 분류 성능 평가
한국통신학회 학술대회논문집
2023 .06
-
데이터 증강 기법이 의료 이미지 분류 모델의 예측 성능에 미치는 영향
한국통신학회 학술대회논문집
2023 .02
-
효율적인 사물 이미지 분류를 위한 계층적 이미지 분류 체계의 설계 및 구현
융합보안논문지
2018 .01
-
핫셀용 가변형 표면영상 이미지 분석기법 향상
한국방사성폐기물학회 학술대회
2015 .01
-
딥러닝 영상 분할의 정확도 향상을 위한 처리방법 연구
한국정보통신학회 종합학술대회 논문집
2021 .05
-
이미지 분류 모델 향상을 위한 커리큘럼 학습을 적용한 이미지 데이터 증강 방법론
한국방송미디어공학회 학술발표대회 논문집
2024 .06
-
딥러닝 이미지 분류 성능 향상을 위한 데이터 증강 기법 비교
한국정보과학회 학술발표논문집
2024 .06
-
음식 이미지 분류 성능 향상을 위한 데이터 증강 기법
한국통신학회 학술대회논문집
2024 .11
-
작은 이미지의 효과적인 데이터 증강 기법
한국통신학회 학술대회논문집
2023 .02
-
이미지-텍스트 쌍을 활용한 이미지 분류 정확도 향상에 관한 연구
전기전자학회논문지
2023 .12
-
깊은 인공 신경망 이미지 기술자를 활용하는 멤버 분류
한국방송미디어공학회 학술발표대회 논문집
2020 .07
-
대형 이미지 데이터셋 구축을 위한 객체 엣지 기반 이미지 생성 기법
전기전자학회논문지
2023 .09
-
합성 이미지에 대한 기존 머신 러닝 이미지 분류 모델의 성능 비교
한국방송미디어공학회 학술발표대회 논문집
2021 .06
-
탑뷰 영상에 대한 깊이 정보 기반 영상 스티칭 분석
한국방송미디어공학회 학술발표대회 논문집
2024 .06
-
딥러닝 알고리즘을 활용한 SAR 이미지 채색
한국통신학회 학술대회논문집
2021 .06
-
대형 이미지 데이터셋 구축을 위한 이미지 이진화 기반 데이터 증강 기법
전기전자학회논문지
2023 .03
-
베이지안 네트워크기반의 주제별 이미지 분류기법 연구
한국지능시스템학회 학술발표 논문집
2015 .04
-
Improvement of Background Inpainting using Binary Masking of a Generated Image
Journal of KIISE
2024 .06
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2023-567-000453163