디지털 방사선 시스템의 자동노출제어장치 사용 시 방사선 노출 레벨 분류를 위한 히스토그램과 심층 신경망의 비교 분석 :Comparative Analysis of Histogram and Deep Neural Network for Radiation Exposure Level Classification when using Automatic Exposure Control of Digital Radiography

황준호

추천

검색

자료유형: 학위논문

저자정보: 황준호 (충북대학교, 충북대학교 대학원)

지도교수: 이태수

발행연도: 2022

저작권: 충북대학교 논문은 저작권에 의해 보호받습니다.

이용수12

이 논문의 연구 히스토리 (2)

2022

디지털 방사선 시스템의 자동노출제어장치 사용 시 방사선 노출 레벨 분류를 위한 히스토그램과 심층 신경망의 비교 분석

황준호 2022.01 학위논문

2019

디지털 방사선 시스템(DR)의 복부와 골반부 검사 시 관전압과 감도 변화에 따른 영상 화질과 방사선 출력의 안정성 평가

황준호 , 양형진 , 최지안 외 1명 한국콘텐츠학회논문지 2019.12 학술저널

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

초록· 키워드

오류제보하기

In modern medicine, X-ray imaging has the task of optimizing radiation dose and image quality. Recently, an automatic exposure control is combined with a digital radiography to solve this problem. In this process, there is a need for an accurate radiation exposure classification technique that is not affected by statistical fluctuations in X-rays. Therefore, in this paper, we aimed to implement a radiation exposure classifier by comparatively analyzing histograms and deep neural network (DNN) method. First, the histogram of the image according to the change in sensitivity was analyzed. And then, a total of 2000 chest X-ray images were used for training and validation. The radiation exposure level was performed by changing the detector sensitivity of the digital radiography to S200, S400, S800, and S1000. By changing the sensitivity, the X-ray image had a radiation exposure level of overexposure, normal exposure, available normal exposure, and underexposure and 500 images were assigned to each class. As a result, as the sensitivity of the automatic exposure control device was set higher from S200 to S1000, the histogram showed quantization separation such as posterization, and dynamic range mismatch, and the DNNs showed 93.7% classification accuracy and a loss 38.3%. And to compound the results, the histogram showed a great advantage in identifying the trend of radiation exposure levels, but had limitations in classification that ensured objectivity. On the other hand, the DNNs showed a great advantage in classifying the objective radiation exposure level while showing an objective and high performance. In conclusion, using DNNs, an objective radiation exposure classifier was implemented.

#Digital Radiography #Automatic Exposure Control #Deep Learning #Deep Neural Network #Histogram

Abstract ⅳ
표 차례 ⅵ
그림 차례 ⅶ
Ⅰ. 서 론 1
II. 배경지식 5
1. 디지털 방사선 시스템 5
(1) 디지털 방사선 시스템의 개요 5
(2) 자동노출제어장치 6
(3) 평판형 검출기 7
2. 디지털 영상 10
(1) 디지털 영상의 기본 개념 10
(2) 디지털 영상의 획득 12
? 주사 12
② 표본화 13
? 양자화 14
? 부호화 15
(3) 히스토그램 15
3. 신경망 17
(1) 머신러닝 17
(2) 딥러닝 18
(3) 합성곱 신경망 19
4. 학습 모델 20
(1) GoogLeNet 20
(2) VGG 21
(3) Resnet 22
(4) Inception-Resnet v2 23
III. 실험대상 및 방법 24
1. 디지털 방사선 시스템과 실험 기기 24
2. 컴퓨터 환경과 X선 영상 데이터 세트 27
3. 실험 방법 32
(1) 디지털 방사선 시스템의 안정성 32
(2) 히스토그램 분석 32
(3) 딥러닝 기반의 심층 신경망 34
(4) 심층 신경망을 이용한 학습과 성능 평가 35
? 영상의 전처리 35
② 데이터 증대 35
? 전이 학습 36
? 정오 분류표 37
IV. 결 과 39
1. 디지털 방사선 시스템의 안정성 39
2. 히스토그램 분석 40
3. 딥러닝 기반의 심층 신경망 42
4. 심층 신경망을 이용한 학습과 성능 평가 44
(1) 영상의 전처리 44
(2) 데이터 증대 44
(3) 전이 학습 45
(4) 정오 분류표 46
V. 고 찰 49
VI. 결 론 55
참고문헌 57
부록 - Inception-Resnet v2의 세부 사항 63
감사의 글 65

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)