치매 진단을 위한 Faster R-CNN 활용 MRI 바이오마커 자동 검출 연동 분류 기술 개발 :Development of Alzheimer''s disease classification with automated MRI biomarker detection using Faster R-CNN for Alzheimer''s disease diagnosis

손주형

추천

검색

자료유형: 학위논문

저자정보: 손주형 (한국외국어대학교, 韓國外國語大學校大學院)

지도교수: 최재영

발행연도: 2019

저작권: 한국외국어대학교 논문은 저작권에 의해 보호받습니다.

이용수11

이 논문의 연구 히스토리 (2)

2019

치매 진단을 위한 Faster R-CNN 활용 MRI 바이오마커 자동 검출 연동 분류 기술 개발

손주형 , 김경태 , 최재영 멀티미디어학회논문지 2019.10 학술저널

치매 진단을 위한 Faster R-CNN 활용 MRI 바이오마커 자동 검출 연동 분류 기술 개발

손주형 컴퓨터·전자시스템공학과 2019.01 학위논문

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

In order to diagnose and prevent Alzheimer''s Disease (AD), it is becoming increasingly important to develop a CAD(Computer -aided Diagnosis) system for AD diagnosis, which provides opti mized treatment for patients by analyzing 3D MRI images. It is essential to apply powerful machine learning such as deep learn ing in order to automatically classify stages of Alzheimer''s Dise ase and to develop a Alzheimer''s Disease support diagnosis sys tem that has the function of detecting hippocampus and CSF w hich are important biomarkers in diagnosis of Alzheimer''s Disea se. In this paper, we classify MRI cases into three categories of AD, mild cognitive impairment, and normal control according t o MRI image by applying 3D brain MRI image to the Faster R-CNN model and detect hippocampus and CSF in MRI image in real time do. To do this, we use the 2D MRI images extracted from the 3D MRI images of the Faster R-CNN, and perform th e widly used Majority Vote on the resulting bounding box label s. To verify the proposed method, we used the ADNI data set, which is the standard brain MRI database. Experimental results show that the proposed method achieves improved classification performance compared with other state-of-the-art methods.

#치매 #MRI #Faster R-CNN

제1장 서 론 1
1.1 연구 배경 및 목적 1
1.2 논문의 구성 4
제2장 관련 연구 5
2.1 영상 분류를 위한 딥러닝 기술 5
2.2 심층합성곱신경망 7
2.2.1 컨벌루션 계층 7
2.2.2 풀링 계층 9
2.2.3 완전 연결 계층 10
2.2.4 소프트맥스 계층 10
2.3 심층합성곱신경망 구조 11
2.4 최신 딥러닝 구조 12
제3장 치매 분류 관련 연구 14
3.1 의료영상 분야에서의 딥러닝 기술 14
3.2 치매 병변 분류를 위한 딥러닝 기술 16
3.3 치매 진단에서 해마와 CSF 임상적 의미 18
제4장 제안 방법 19
4.1 Faster R-CNN 소개 19
4.2 Region Proposal Networks 소개 19
4.3 앵커 추출 20
4.4 VGG-16 네트워크 21
4.5 바이오마커 자동 검출 연동 치매 병변 분류 기술 22
제5장 실험 및 결과 27
5.1 데이터 집합 27
5.2 MRI 영상 전처리 28
5.3 실험 및 결과 29
제6장 결론 32
참고문헌 33
ABSTRACT 41

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)