지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 안창범
- 발행연도
- 2022
- 저작권
- 광운대학교 논문은 저작권에 의해 보호받습니다.
이용수6
이 논문의 연구 히스토리 (4)
2022
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
데이터 기반의 심층신경망을 사용하여 고속 심장 자기공명영상을 재구
성하는 연구들이 보고되고 있다. 복잡한 심층신경망은 긴 학습 시간으로
심층신경망의 성능 최적화에 어려움이 많다.
본 논문에서는 고속 심장 자기공명영상의 영상 재구성을 위해 단순화되
고 최적화된 심층신경망을 제안하였다. 심층신경망의 단순화를 위해 원 영
상을 작은 타일 단위로 분할하여 사용하는 Tile-net을 제안하였다. 신경망
의 성능 향상을 위해 현재 프레임과 인접한 프레임을 결합한 다중 프레임
데이터를 사용한 Multiframe-CNN (MF-CNN)을 제안하였다. MF-CNN은
시간 정보와 공간 정보를 모두 사용함으로써 신경망의 성능을 향상시킨다.
제안한 심층신경망인 Tile-net과 MF-CNN을 일반적인 심층신경망과 비
교하여 평가하였다. 학습 시간, 재구성 시간, 재구성 영상의 정규화 평균
제곱 오차(NMSE), 최대 신호 대비 잡음비(PSNR), 구조적 유사도(SSIM)
을 사용하여 각 신경망을 비교하였다. Tile-net은 tiling을 사용하지 않은
신경망과 비교하여 신경망의 성능 감소 없이 신경망의 복잡도를 크게 감
소시켰고, MF-CNN은 단일 프레임 데이터를 사용하는 신경망과 비교하여
신경망의 복잡도 증가 없이 신경망의 성능을 큰 폭으로 향상시켰다.
성하는 연구들이 보고되고 있다. 복잡한 심층신경망은 긴 학습 시간으로
심층신경망의 성능 최적화에 어려움이 많다.
본 논문에서는 고속 심장 자기공명영상의 영상 재구성을 위해 단순화되
고 최적화된 심층신경망을 제안하였다. 심층신경망의 단순화를 위해 원 영
상을 작은 타일 단위로 분할하여 사용하는 Tile-net을 제안하였다. 신경망
의 성능 향상을 위해 현재 프레임과 인접한 프레임을 결합한 다중 프레임
데이터를 사용한 Multiframe-CNN (MF-CNN)을 제안하였다. MF-CNN은
시간 정보와 공간 정보를 모두 사용함으로써 신경망의 성능을 향상시킨다.
제안한 심층신경망인 Tile-net과 MF-CNN을 일반적인 심층신경망과 비
교하여 평가하였다. 학습 시간, 재구성 시간, 재구성 영상의 정규화 평균
제곱 오차(NMSE), 최대 신호 대비 잡음비(PSNR), 구조적 유사도(SSIM)
을 사용하여 각 신경망을 비교하였다. Tile-net은 tiling을 사용하지 않은
신경망과 비교하여 신경망의 성능 감소 없이 신경망의 복잡도를 크게 감
소시켰고, MF-CNN은 단일 프레임 데이터를 사용하는 신경망과 비교하여
신경망의 복잡도 증가 없이 신경망의 성능을 큰 폭으로 향상시켰다.
목차
제 1 장 서론 1제 2 장 자기공명영상과 딥러닝 42.1 자기공명영상 이론 42.2 딥러닝 62.3 데이터 7제 3 장 Tiling을 사용한 신경망의 단순화 103.1 Tile-net 103.2 Tiling 123.3 Tile-net의 학습 과정 및 재구성 과정 14제 4 장 다중프레임 데이터를 사용한 신경망의 성능 향상 174.1 MF-CNN 174.2 다중 프레임 데이터 184.3 MF-CNN의 학습 과정 및 재구성 과정 20제 5 장 실험 결과 225.1 Tile-net의 실험 결과 비교 225.1.1 테스트 데이터를 사용한 Tile-net의 성능 비교 및 분석 235.1.2 신경망의 복잡도 비교 265.1.3. Tile-net의 성능 285.2 MF-CNN의 실험 결과 비교 325.2.1 테스트 데이터를 사용한 MF-CNN의 성능 비교 및 분석 325.2.2. MF-CNN의 성능 37제 6 장 결론 40참고문헌 42
최근 본 자료
댓글(0)
0