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
박민규 (동국대학교) 김준태 (동국대학교)
저널정보
Korean Institute of Information Scientists and Engineers Journal of KIISE Journal of KIISE Vol.48 No.9
발행연도
2021.9
수록면
1,027 - 1,034 (8page)
DOI
10.5626/JOK.2021.48.9.1027

이용수

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

초록· 키워드

오류제보하기
딥러닝 기반의 의료영상 분석기술은 방사선 전문의의 판독 능력을 능가하는 정확도를 보일 정도로 발전하였다. 하지만, 의료영상 학습에 사용하는 샘플 데이터를 만드는 것(labeling)은 전문가가 필요한 영역이고 큰 비용과 시간이 소요된다. 또한, 많은 경우에 의료영상의 훈련용 데이터는 질환별로 불균형한 분포를 가진다. 예를 들어, 흉부 X-ray 분류 학습을 위한 ChestX-ray14 데이터셋의 경우, 침윤(infiltration)과 탈장(hernia)의 데이터 분포의 차이는 87배에 이른다. 본 연구에서는 불균형한 흉부 X-ray 분류의 성능 향상을 위하여 데이터 증강(data augmentation) 알고리즘인 Mixup과 약지도 학습(weakly supervised learning)을 결합하는 방법을 제안한다. 제안하는 방법은 데이터 불균형 완화를 위하여 적은 수의 레이블이 있는 데이터와 다수의 레이블이 없는 데이터에 복합적으로 Mixup 알고리즘을 적용하고, 교사 모델(teacher model)과 학생 모델(student model)을 순환하면서 레이블이 없는 데이터를 효과적으로 활용하는 커리큘럼 학습(curriculum learning)을 수행하는 것이다. 의료 현장에서 생각할 수 있는 적은 수의 레이블이 있는 데이터(labeled data)와 레이블이 없는 데이터(unlabeled data)가 존재하는 환경을 구성하여 실험을 수행한 결과 데이터 증강과 약지도 학습을 결합함으로써 분류 성능이 향상됨을 보였으며, 순환적인 커리큘럼 학습이 효과가 있음을 확인하였다.
#X-ray 영상 분류 #데이터 증강 #약지도 학습 #커리큘럼 학습 #x-ray image classification #data augmentation #Mixup #weakly supervised learning #curriculum learning

목차

요약
Abstract
1. 서론
2. 관련 연구
3. 학습 모델
4. 실험 및 결과
5. 결론 및 향후 연구
References

참고문헌 (27)

참고문헌 신청
Wang, Xiaosong, et al., "Chestx-ray8: Hospitalscale chest x-ray database and benchmarks on weakly-supervised classification and localization of common thorax diseases," Proc. of the IEEE Conference on Computer Vision and Pattern Recognition, 2017. google schola Baltruschat, Ivo M., et al., "Comparison of deep learning approaches for multi-label chest X-ray classification," Scientific reports 9.1: 1-10 2019. google schola Monshi, Maram Mahmoud A., Josiah Poon, and Vera Chung, "Deep learning in generating radiology reports: A survey," Artificial Intelligence in Medicine: 101878 2020. google schola Furlanello, Tommaso, et al., "Born again neural networks," arXiv preprint arXiv:1805.04770 2018. Zhang, Hongyi, et al., "mixup: Beyond empirical risk minimization," arXiv preprint arXiv:1710.09412, 2017.

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

이 논문과 함께 이용한 논문

퓨샷 지식 완성을 위한 태스크 증강 기반 메타러닝
서상현 ,  김준태 한국정보과학회 학술발표논문집 2021 .06
Fair Feature Distillation Using Teacher Models of Larger Architecture
Sangwon Jung ,  Taesup Moon Journal of KIISE 2021 .11
Conditional Knowledge Distillation for Model Specialization
김학빈 ,  최동완 Journal of KIISE 2021 .04
Low-Resolution Image Classification Using Knowledge Distillation From High-Resolution Image Via Self-Attention Map
신성호 ,  이주순 ,  이준석 외 2명 Journal of KIISE 2020 .11
저해상도 이미지 분류를 위한 고해상도 이미지로부터의 Self-Attention 정보 추출 네트워크
신성호 ,  최승준 ,  이규빈 한국정보과학회 학술발표논문집 2019 .12

최근 본 자료

전체보기

댓글(0)

0