메뉴 건너뛰기
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
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG
학술저널
오류 신고하기해당 페이지 내 제목·저자·목차·페이지
정보가 잘못된 경우 알려주세요!

논문 기본 정보

저자정보
(부산대학교) (부산대학교) (부산대학교) (부산대학교)
저널정보
대한기계학회 대한기계학회 논문집 B권 대한기계학회논문집 B권 제49권 제2호(통권 제473호)
오류 신고하기
표지

피인용 0

검색

    초록·키워드

    인공지능 기술의 발전으로 머신러닝과 딥러닝이 의료 분야에서 주목받고 있으나, 적은 데이터셋에서는 성능 향상에 한계가 있다. 본 연구는 1,354개의 무혈관 괴사(AVN) 이미지를 사용해 StyleGAN2와 Projected-GAN의 성능을 비교하였다. 실험 결과, StyleGAN2는 FID 점수 67.0과 40시간의 학습 시간이 소요된 반면, Projected-GAN은 FID 8.7과 22시간으로 더 우수한 성능을 보였다. Projected-GAN으로 증강된 데이터를 사용한 예측 성능은 72.68%로, 기존 데이터의 61.34%보다 향상되었음을 확인했다. 물론, 기본적인 모델의 분류 성능이 상대적으로 낮다는 점을 감안할 때 추가적인 검증과 신중한 해석이 필요하지만, 이러한 결과는 의료 영상 분석과 진단 보조에 유용한 도구로 사용될 가능성을 시사한다.
    #Deep Learning(딥러닝) #Generative Adversarial Networks(적대적 생성모델) #Medical Image(의학 영상) #Avascular Necrosis(대퇴골두 무혈성 괴사) #Data Augmentation(데이터 증강)

    본문·목차

    최근 본 자료 전체보기

      260915_DBpiaAI2학기
      261017_Citeasy Update
      260917_DBpiaAI뷰어2
      260604_KRpiaAI
      UCI(KEPA) : I410-151-25-02-092303153