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
챠이트라 다야난다 (조선대학교 정보통신공학과) 이범식 (조선대학교)
저널정보
한국차세대컴퓨팅학회 한국차세대컴퓨팅학회 논문지 한국차세대컴퓨팅학회 논문지 제16권 제3호
발행연도
2020.1
수록면
63 - 76 (14page)

이용수

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

초록· 키워드

오류제보하기
뇌 지기공명영상(MRI)의 분할은 원치 않는 부분을 제거하고 원하는 객체를 찾기 위해 수행된다. 알츠하이머, 다발성 경화증, 간질 등과 같은 많은 신경 장애는 뇌 영상 조직의 분할 기법을 이용하여 진단할 수 있다. 특히, MRI으로부터 회백질 (GM), 백질 (WM), 뇌척수액 (CSF)과 같은 심부 뇌 구조의 자동 분할은 뇌 신경 장애의 진단 확률을 높이는데 중요한 역할을 한다. 뇌 MRI 영상 분할의 연구는 계산 복잡도를 감소시키면서 분할 정확도를 향상시키는데 중점을 두고 진행되어 왔다. 최근 몇 년 동안 CNN은 영상 분할 및 분류에서 큰 정확도 향상의 성능을 보여주었고, 의료 영상 분석에 광범위하게 적용되고 있다. 본 논문에서 뇌 MR 영상 분할를 위해 Segnet, U-net, U-Segnet 및 M-net과 같이 널리 사용되는 4 가지 CNN 모델에 대한 비교 실험 및 성능 분석을 실행하였다. 성능은 Dice 계수 (DI) 및 Jaccard 지수(JI)를 기준으로 측정되었고. 실험 결과 주요 CNN 모델 중 M-net은 Dice 계수 93 % 및 JI 86 %로 가장 정확도가 높은 분할 성능을 보여주었다.

목차

등록된 정보가 없습니다.

참고문헌 (30)

참고문헌 신청

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0