인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
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.
피인용 0
초록·키워드
본 연구는 의료 영상 데이터의 클래스 불균형 문제를 해결하기 위해 mixup 기법을 적용하여 클래스 불균형이 큰 피부 병변 데이터셋에서 분류 성능을 향상시켰다. 클래스 비율이 최대 67%, 최소 1.1%로 불균형을 보이는 환경에서 ResNet-50, RegNetY-320, EfficientNet-B4 모델을 이용해 mixup의 효과를 체계적으로 검증하였다. 두 이미지가 혼합되는 비율인 λ의 분포를 제어하는 Beta(α, α) 분포의 α값을 0.2부터 다양하게 변형하여 혼합 강도의 영향을 분석하였다. 실험 결과, ResNet-50, RegNetY-320, EfficientNet-B4에서 baseline 대비 정확도가 각각 최대 6.7%, 3.7%, 6.8% 향상되었으며, α=0.2-0.4 범위에서 U-형 Beta 분포의 강한 혼합이 소수 클래스의 재현율을 효과적으로 강화하였다. 이는 mixup이 다양한 모델 구조에서 일관된 성능 향상을 달성하며, 의료 영상 분석의 범용적 데이터 증강 전략임을 입증한다. 향후 연구에서는 CutMix, SMOTE 등 다른 증강 기법과의 결합 및 다양한 의료 데이터셋으로의 확장을 통해 일반화성을 강화할 계획이다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-094580653
