메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
이민경 (서울대학교 공과대학 컴퓨터공학부) 정민영 (서울대학교) 설애란 (서울대학교병원) 정현훈 (서울대학교) 신영길 (서울대학교)
저널정보
한국차세대컴퓨팅학회 한국차세대컴퓨팅학회 논문지 한국차세대컴퓨팅학회 논문지 제16권 제2호
발행연도
2020.1
수록면
80 - 87 (8page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
의료 영상 분야에서 컴퓨터 보조 진단 시스템은 의사의 영상 판독을 보조하기 위한 도구로써 필요성이 점차 증대되고 있다. 특히, CT 영상에서 악성 종양에 대한 정확한 진단을 위해 보조 진단 시스템이 크게 요구된다. 최근 딥러닝이 의료 보조 진단 시스템 개발에 도입되면서 획기적인 결과를 보이고 있으나, 실제 임상에서 필요한 높은 일반화 성능을 기대하기에는 여전히 한계가 있다. 낮은 일반화 성능의 주 요인은 훈련 데이터의 부족 및 극심한 불균형이다. 본 논문에서는 의료 영상 분야 최초로 신뢰도 페털티를 도입하여 높은 정확도로 CT 영상에서 악성 난소 종양을 판별하는 방법을 제안한다. 과적합을 방지하고 일반화 성능을 향상시키기 위해 딥러닝의 마지막 출력에 신뢰도 페널티를 도입하였다. 마지막 출력 분포의 정규화는 적은 훈련 데이터를 사용하였음에도 불구하고 일반화 성능을 성공적으로 향상시켰다. 50명의 영상에 대해 실험한 결과, AU-ROC(Area Under the Receiver Operating Characteristics Curve) 점수와 분류 정확도가 각각 0.99, 96%로, 신뢰도 페널티를 추가하기 전보다 정확도가 각각 10%, 20% 향상되었다. 또한 클래스 액티베이션 맵의 가시화를 통해 딥러닝 모델의 예측에 근거를 제시함으로써 제안한 방법이 실제 임상에서 성공적인 보조적 도구가 될 수 있음을 확인하였다.

목차

등록된 정보가 없습니다.

참고문헌 (14)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0