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
송무건 (목포대학교) 신영학 (목포대학교)
저널정보
한국콘텐츠학회 한국콘텐츠학회논문지 한국콘텐츠학회논문지 제24권 제5호
발행연도
2024.5
수록면
57 - 64 (8page)
DOI
10.5392/JKCA.2024.24.05.057

이용수

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

초록· 키워드

오류제보하기
Segment Anything Model (SAM)은 광범위한 대용량 일반이미지 데이터셋으로 학습된 이미지 분할 모델이다. 본 연구에서는 대규모 이미지 분할 모델이 소규모 데이터를 이용하는 특정 의료 영상 분야인 대장 내시경 용종분할에서 충분한 성능을 보이는지 확인하고, 미세조정을 통한 성능향상 방법에 대해 연구하였다. 세 가지 학습 방법을 제안하였는데, 첫째는 Generative Adversarial Networks (GAN)기반의 실제와 유사한 용종이미지 생성을 통해 생성된 이미지 데이터를 추가하여 학습데이터를 확장하는 것, 둘째는 copy-pasting 방법을 이용하여 기존 이미지 데이터를 합성하여 새로운 이미지 데이터를 만들고, 이를 학습데이터에 추가하는 것, 셋째는 앞서 사용한 생성된 이미지 데이터와 copy-pasting로 만든 이미지 데이터를 이용하여 SAM을 사전학습하고, 모델을 기존의 학습데이터로 미세조정 하는 것이다. 이 세 가지 방법을 통해 SAM의 성능을 향상하려는 시도가 이루어졌으며, 기존 모델에 비해 Dice Similarity Coefficient (DSC)와 Mean Intersection over Union (mIoU) 성능향상을 확인하였다.
#대장 내시경 #용종이미지 분할 #미세조정 #딥러닝 #Colonoscopy #Polyp image segmentation #Segment Anything Model #Fine Tuning #Deep Learning

목차

요약
Abstract
I. 서론
II. 제안하는 방법
III. 실험 결과
IV. 결론
참고문헌

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

이 논문과 함께 이용한 논문

CCTV 영상과 의미론적 분할 모델을 이용한 재해성 하천기인 부유쓰레기 탐지
김영민 ,  장선웅 ,  김흥민 외 4명 한국해양환경·에너지학회지 2024 .05
Sentinel-2 위성영상과 U-Net을 이용한 산불 피해지 추출 방법 연구
채한성 ,  최진무 대한지리학회지 2024 .04
Retrieval-Based Hair Model Augmentation for 3D Face Modeling
이정우 ,  박인규 Journal of KIISE 2019 .05

최근 본 자료

전체보기

댓글(0)

0