오토인코더 신경망을 활용한 망막 영상의 잡음 개선

오토인코더 신경망은 신경망의 중심 은닉층을 기점으로 대칭되도록 층과 뉴런을 구성하며, 출력 결과가 입력 데이터에 가까워지도록 학습시키는 비지도 학습 방법이다. 부호화 과정에서 입력 데이터는 은닉층의 뉴런만큼 압축되고, 복호화 과정에서 입력 데이터 크기로 복원된다.

연구 결과, 오토인코더 신경망을 활용한 망막 영상 잡음 제거 시 컴퓨터 연산 한계로 영상을 작게 나누어 사용함에 따라 출력 결과에서 격자 패턴이 나타나는 문제점이 발견되었다. 또한, 무리한 가중치 변화로 인해 원하던 결과와 다르게 나타나는 현상도 확인되었다.

학술대회자료

오류 신고하기

피인용 0

검색

초록·키워드

눈의 이상 질병을 판단하기 위해서 망막 혈관의 영상을 활용하는데 영상의 품질을 저해하는 불필요한 요소인 잡음은 영상의 특징을 왜곡하여 임상 해석을 저하시키기 때문에 잡음을 감소시키는 전처리과정이 반드시 수행되어야 한다. 본 연구에서는, ... 전체 초록 보기

#Autoencoder #Retinal Image #Artificial Intelligence #Denoising

UCI(KEPA) : I410-ECN-0101-2019-560-000082299

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