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

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
최범휘 (금오공과대학교) 이재준 (금오공과대학교) 최연웅 (금오공과대학교) 한현택 (금오공과대학교) 이해연 (금오공과대학교)
저널정보
한국정보기술학회 한국정보기술학회논문지 한국정보기술학회논문지 제19권 제11호(JKIIT, Vol.19, No.11)
발행연도
2021.11
수록면
81 - 90 (10page)
DOI
10.14801/jkiit.2021.19.11.81

이용수

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

초록· 키워드

오류제보하기
임상에서 의료 영상은 병리사들이 분석하므로 인적 및 시간적 자원을 필요로 한다. 최근의 딥러닝 기술은 의료 영상 내에서 특정 질병의 위치를 예측할 수 있는 수준으로 올라왔고, 데이터 부족 문제를 해결하기 위한 정규화, 제약, 증강 방법들이 소개되었다. 본 논문에서는 Residual 3D U-Net을 기반으로 다발성 경화 병변을 분할하기 위한 알고리즘을 제안한다. 특히, 전처리 및 랜덤 패치 증강을 통하여 분할 정확도 향상을 모색하였다. 제안하는 알고리즘의 성능 검증을 위해 2008 MICCAI MS Lesion Segmentation Challenge의 MS Lesion 데이터셋을 활용하였고 3D U-Net과 비교하였다. 그 결과 70% DSC와 52% IoU를 달성하였고, 3D U-Net 대비 5.9% DSC와 6.9% IoU 정확도가 상승하였다. 정성적으로도 예측 결과 전체 MRI 영상 중 국소 부위를 제외하고 준수한 성능을 보였다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 관련 연구
Ⅲ. Residual 3D U-Net 기반 MS Lesion의 의미론적 분할 알고리즘
Ⅳ. 실험 결과 및 분석
Ⅴ. 결론 및 향후 과제
References

참고문헌 (23)

참고문헌 신청

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

최근 본 자료

전체보기

댓글(0)

0