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
학술대회자료
저자정보
박선유 (전남대학교) 강병전 (전남대학교)
저널정보
한국컴퓨터정보학회 한국컴퓨터정보학회 학술발표논문집 2024년 한국컴퓨터정보학회 하계학술대회 논문집 제32권 2호
발행연도
2024.7
수록면
229 - 232 (4page)

이용수

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

초록· 키워드

오류제보하기
본 논문에서는 안과 질환 진단의 정확도를 높이기 위해 데이터 증강 기법 믹스업(Mix-up)과 노이즈(Noise)를 적용하여 딥러닝 기반 모델의 안과 질환 분류 성능을 비교 분석하였다. OCT 이미지 안과 질환분류를 위해 세 가지 딥러닝 모델 DenseNet121, MobileNetV2, EfficientNetB3를 활용하여 성능을 비교하였다. 또한, 데이터 세트의 부족과 불균형 문제 해결을 위해 믹스업, 노이즈 추가와 같은 데이터 증강 기법을 적용했다. 본 논문에서는 믹스업 데이터 증강 기법을 적용한 EfficientNetB3모델이 98.69%의 가장 높은 정확도를 보여 안과 질환의 진단 및 치료를 위해 제안된 기법이 질환 분류에 효과적임을 보였다. 이러한 결과로 믹스업 데이터 증강 기법과 EfficientNetB3 모델이 제한적인 데이터 세트에서 분류 성능을 효과적으로 향상 할 수 있음을 확인하였다.
#안과 질환(Ophthalmic Disease) #믹스업(Mix-up) #영상처리(Video Processing)

목차

요약
I. Introduction
II. Method and Experiment
III. Result
IV. Conclusions
REFERENCES

참고문헌 (0)

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

함께 읽어보면 좋을 논문

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

최근 본 자료

전체보기

댓글(0)

0