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
We propose KY-MobileNetV2, a lightweight detector for manipulated colonoscopy images. The model targets subtle GAN-based fingerprints by amplifying high-frequency residuals with Spatial Rich Model (SRM) and High-Pass Filters (HPF), followed by per-class top-K Multiple-Instance Learning (MIL) pooling. Training was binary (Real vs. Manipulation) within Normal and Polyp subsets. A total of 13,373 images (3,313 Normal; 10,060 Polyp) were collected from Kvasir, GastroVision, HyperKvasir, and PolypGen. External validation used the Konyang University Hospital dataset (15,675 images; KYU IRB 2025-09-005). All images were standardized to 512×512. Manipulated data were synthesized using StyleGAN2-ADA with class-separated training to generate Manipulation-Normal (MN) and Manipulation-Polyp (MP). Generated images showed acceptable quality: FID 73-84, Precision 0.66-0.82, Recall 0.31-0.46, Density 0.71-1.10, and Coverage 0.88-0.92. KY-MobileNetV2 achieved 0.93-0.96 accuracy, outperforming MobileNetV1 (0.88-0.89) and MobileNetV2 (0.84-0.94). External testing yielded 0.59-0.67 accuracy. These findings indicate that a lightweight architecture can effectively detect StyleGAN2-ADA manipulations in colonoscopy images and may support deployment in resource-limited clinical environments.
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) : I410-151-26-02-095561572
