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
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이선영 (서울여자대학교) 정주립 (서울여자대학교) 홍헬렌 (서울여자대학교) 송용섭 (휴먼영상의학센터) 김형진 (서울대학교병원) 박창민 (서울대학교병원)
저널정보
Korean Institute of Information Scientists and Engineers 정보과학회 컴퓨팅의 실제 논문지 정보과학회 컴퓨팅의 실제 논문지 제24권 제10호
발행연도
2018.10
수록면
527 - 533 (7page)
DOI
10.5626/KTCP.2018.24.10.527

이용수

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

이 논문의 연구 히스토리 (3)

2018

2.5차원 다중뷰 기반 특징 및 데이터 확장을 통한 간유리음영 결절의 다중클래스 분류
이선영 ,  정주립 ,  홍헬렌 외 3명 정보과학회 컴퓨팅의 실제 논문지 2018.10 학술저널

2017

흉부 CT 영상에서 2.5차원 다중뷰 기반 텍스처 특징을 통한 간유리음영 결절의 다중클래스 분류
이선영 ,  정주립 ,  홍헬렌 외 3명 한국정보과학회 학술발표논문집 2017.12 학술대회자료
흉부 CT 영상에서 다중 뷰 영상과 텍스처 분석을 통한 고형 성분이 작은 폐 간유리음영 결절 분류
이선영 ,  정주립 ,  이한상 외 1명 멀티미디어학회논문지 2017.07 학술저널

초록· 키워드

오류제보하기
간유리음영 결절은 내부 고형 성분의 포함 여부 및 크기에 따라 악성도가 달라지기 때문에 고형 성분의 크기에 따른 혼합 간유리음영 결절과 순수 간유리음영 결절을 구분하는 것이 중요하다. 그러나 고형 성분의 크기가 작은 혼합 간유리음영 결절은 순수 간유리음영 결절과 유사하게 나타나 구분이 어렵다. 본 논문에서는 다중뷰-슬랩 관심영역 기반 특징 및 데이터 확장을 통한 간유리음영 결절의 분류 방법을 제안한다. 첫째, 분류기의 훈련 데이터 수를 늘리고 과적합을 피하기 위해 데이터 확장을 수행한다. 둘째, 간유리음영 결절로부터 네 종류의 관심 영역을 생성한다. 셋째, 각 관심영역으로부터 고형 성분의 특성을 반영하는 특징을 추출하고 의미 있는 특징을 선별한다. 넷째, 랜덤 포레스트를 이용해 간유리음영 결절을 분류한다. 2.5차원 다중뷰-슬랩 관심영역을 이용한 분류 정확도는 84.05%로 3차원 관심영역과 2.5차원 다중뷰 관심영역을 이용한 정확도보다 각각 6.27%, 4.44% 높았다.
#컴퓨터 단층촬영 영상(CT) #간유리음영 결절(GGN) #다중뷰 #특징 분류 #머신러닝 #computed tomography (CT) #ground-glass nodule (GGN) #multiview #feature classification #machine learning

목차

요약
Abstract
1. 서론
2. 다중뷰 기반 특징을 이용한 간유리음영 결절 분류
3. 실험결과 및 분석
4. 결론
References

참고문헌 (9)

참고문헌 신청
C.I. Henschke et al., CT screening for lung cancer: frequency and significance of part-solid and nonsolid nodules, Am. J. Roentgenol, vol. 178, no. 5, pp. 1053-1057, May. 2002. D.P. Naidich et al., Recommendations for the management of subsolid pulmonary nodules detected at CT: a statement from the Fleischner Society, Radiology, vol. 266, no. 1, pp. 304-317, Jan. 2013. M. Sergeeva et al., Classification of pulmonary nodules on computed tomography scans, Evaluation of the effectiveness of application of textural features extracted using wavelet transform of image, Proc. of the 18th Conference of Open Innovations Association FRUCT, pp. 291-299, Apr. 2016. W. Shen et al., Multi-crop convolutional neural networks for lung nodule malignancy suspiciousness classification, Pattern Recognition, vol. 61, pp. 663-673, Jan. 2017. Y. Liu et al., Imaging features of TSCT predict the classification of pulmonary preinvasive lesion, minimally and invasive adenocarcinoma presented as ground glass nodules, Lung Cancer, vol. 108, pp. 192-197, Jun. 2017.

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

UCI(KEPA) : I410-ECN-0101-2018-569-003571923