DeepLesionNet: Precise Segmentation and Classification of Skin Lesions via Convolutional Neural Networks

Q: 이 논문에서 정의한 DeepLesionNet이란 무엇인가?

DeepLesionNet은 피부경 검사 이미지를 사용하여 피부 병변을 자동으로 분할하고 분류하도록 설계된 고급 합성곱 신경망(CNN)이다. 이는 새로운 이중 작업 전략을 통해 병변 분할 및 분류를 동시에 관리하며, 정교한 특징 추출과 다중 스케일 학습 기능으로 병변의 미묘한 패턴을 감지하여 정확한 진단을 돕는다.

Q: DeepLesionNet이 피부 병변 진단 정확도를 어떻게 향상시키는가?

연구 결과, DeepLesionNet은 이중 작업 전략을 사용하여 병변 분할과 분류를 동시에 수행함으로써 진단 정확도를 높인다. 이 모델은 정교한 특징 추출과 다중 스케일 학습으로 병변의 형태, 색상 분포, 질감의 미묘한 패턴을 감지하여 피부과 전문의가 보다 정확하고 시의적절한 진단 결정을 내릴 수 있도록 지원한다.

Rubina Akter Rabeya; Shah Muhammad Imtiyaj Uddin; Kamran Hussin Chowdhury; Heung-Kook Choi; Hee-Cheol Kim

doi:10.6109/jkiice.2025.29.2.149

학술저널

저자정보: Rubina Akter Rabeya (Inje University) Shah Muhammad Imtiyaj Uddin (Inje University) Kamran Hussin Chowdhury (Inje University) Heung-Kook Choi (Inje University) Hee-Cheol Kim (Inje University)

저널정보: 한국정보통신학회 한국정보통신학회논문지 한국정보통신학회논문지 제29권 제2호

오류 신고하기

피인용 0

검색

초록·키워드

DeepLesionNet은 피부 병변을 자동으로 분할하고 분류하도록 설계된 고급 합성곱 신경망(CNN)입니다. 이 모델은 30,000개의 이미지와 해당 분할 마스크로 구성된 대규모 데이터셋을 활용하여 7가지 병변 유형을 커버하여 외관, 크기, 색상 및 질감의 다양성을 보장합니다. DeepLesionNet은 새로운 이중 작업 전략을 사용하여 병변 분할 및 분류를 동시에 관리하여 정확도를 높이고 계산 복잡성을 줄입니다. 모델의 정교한 특징 추출과 다중 스케일 학습 기능을 통해 병변 모양, 색상 분포 및 질감의 미묘한 패턴을 감지할 수 있어 정확한 진단에 매우 중요합니다. 광범위한 테스트를 통해 92.81%의 다이 계수와 96.18%의 분류 정확도를 입증했습니다. 이 고성능 프레임워크는 피부과 전문의가 보다 정확하고 시의적절한 진단 결정을 내릴 수 있도록 도와주며, 궁극적으로 수술 계획, 환자 관리 및 결과를 개선합니다. DeepLesionNet의 정밀한 병변 분석은 기존 방법에 비해 상당한 이점을 제공하여 흑색종 및 기타 피부 종양의 조기 발견을 개선하고 글로벌 생존율을 향상시킬 수 있습니다.

#딥 리전 네트 #피부 병변 분할 #병변 분류 #피부과 #CNN #DeepLesionNet #skin lesion segmentation #lesion classification #convolutional neural networks #dermatology

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료