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
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
유수완 (서울대학교) 김유은 (서울대학교) 김회영 (서울대학교) 이상선 (인하대학교) 김광수 (서울대학교)
저널정보
한국방송·미디어공학회 한국방송미디어공학회 학술발표대회 논문집 한국방송·미디어공학회 2024 추계학술대회
발행연도
2024.11
수록면
119 - 122 (4page)

이용수

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

초록· 키워드

오류제보하기
본 연구는 병리 이미지 (Whole Slide Image, WSI)와 전사체 (RNA-seq) 데이터를 통합하여 유방암 환자에 대한 아종을 예측하는 딥러닝 모델을 제안한다. The Cancer Genome Atlas (TCGA) 의 병리 이미지와 전사체 데이터가 쌍을 이루는 유방암 환자를 대상으로 대조 학습 (Contrastive Learning) 기반의 사전 학습 모델을 개발하였으며, 사전 학습 모델 기반 병리 이미지 임베딩을 활용하여 유방암 아형인 침윤성 소엽암 (ILC)과 침윤성 유관암 (IDC)을 분류하는 소량 학습 (few-shot classification) 모델을 구축하였다. K=1, 3, 5, 10 의 소량 학습 실험에서 제안한 모델은 기존의 병리 이미지 사전학습 모델 기반 분류 모델보다 우수한 성능을 보였다. 본 연구는 라벨 없이도 데이터 분포를 효과적으로 학습하여 단일 모달 데이터에도 적용 가능함을 보여주었으며, 제한된 데이터로도 높은 예측 성능을 발휘하는 범용성과 효율성을 지닌다. 이러한 접근법은 종양 아형 예측 성능을 크게 향상시킬 잠재력이 있다.

목차

요약
1. 서론
2. 사전 학습 및 소량 학습 분류 모델 개발
3. 소량 학습 분류 모델 성능
4. 논의 및 결론
5. 참조 문헌

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

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

최근 본 자료

전체보기

댓글(0)

0