의료영상 분할 모델의 도메인 일반화 성능 향상을 위한 자기 지도 학습의 활용

Q: 이 논문에서 정의한 자기 지도 학습이란 무엇인가?

자기 지도 학습은 비지도 학습의 한 분야로, 라벨이 없는 데이터 자체의 정보를 활용하여 라벨을 생성하고 이를 지도 학습에 사용하는 방법이다. 데이터에 대한 전반적인 특징을 모델이 학습하게 하여, 의료영상 영역 분할 문제에서 해부학적 구조를 모델에 반영하지 못해 발생하는 문제를 해결하는 방안이 된다.

Q: 의료영상 분할 모델의 도메인 일반화 성능을 향상시키는 핵심 요인은 무엇인가?

연구 결과, 자기 지도 학습을 통한 사전 학습이 의료영상 분할 모델의 도메인 일반화 성능을 향상시키는 데 효과적이다. 특히 사전과제에 적용되는 데이터 증강 기법이 도메인 일반화 성능에 큰 영향을 미치며, 적절한 사전과제와 데이터 증강 기법의 조합이 중요하다는 것을 확인하였다.

이예진; 이상우; 황상흠

doi:10.7232/JKIIE.2021.47.2.180

추천

검색

질문

자료유형: 학술저널

저자정보: 이예진 (서울과학기술대학교) 이상우 (서울과학기술대학교) 황상흠 (서울과학기술대학교)

저널정보: 대한산업공학회 대한산업공학회지 대한산업공학회지 제47권 제2호

발행연도: 2021.4

수록면: 180 - 189 (10page)

DOI: 10.7232/JKIIE.2021.47.2.180

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

In recent years, deep learning technology has been widely used for medical image analysis. However, deep neural networks tend to produce lower generalization performance for data in novel domains, which is a frequent scenario in the field of medical imaging since the domain can be easily shifted by a patient’s physical characteristics and image acquisition equipment. Meanwhile, self-supervised learning is recently known not only to further enhance the performance of a model, but also to improve the robustness of it. Based on this finding, we empirically demonstrated that a model’s domain generalization performance can be improved by using self-supervised pre-training in this study. Moreover, we additionally found that data augmentation applied to the pretext task can significantly impact on domain generalization performance of a model.

#Self-Supervised Learning #Domain Generalization #Segmentation #Medical Image

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2021-530-001637135

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

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)