초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

최근 병렬 컴퓨팅(parallel computing) 성능이 크게 향상되면서 인공신경망(artificial neural network)을 이용한 인공지능 연구가 활발하게 진행되고 있으나 ...

최근 병렬 컴퓨팅(parallel computing) 성능이 크게 향상되면서 인공신경망(artificial neural network)을 이용한 인공지능 연구가 활발하게 진행되고 있으나 치의학 분야와 관련된 연구는 거의 이루어지고 있지 않은 실정이다. 본 연구에서는 인공신경망의 일종인 합성곱 신경망(convolutional neural network)을 이용하여 치과용 방사선사진을 판별하는 기계학습(machine learning) 프로그램을 개발하고 치과용 방사선사진을 인공지능에 지도 학습(supervised learning)시킨 후 학습에 사용하지 않은 치과용 방사선사진을 판별하게 하였다. 합성곱 신경망을 이용하여 치과용 방사선사진을 판별하는 프로그램은 GPU(graphics processing unit)를 이용하여 병렬화(parallelism)하였다. 한편, 합성곱 신경망을 이용하지 않는 다른 기계학습 방식을 이용하여 치과용 방사선사진을 판별하는 프로그램을 각각 SIFT(scale-invariant feature transform), HOG(histogram of oriented gradients) 알고리즘(algorithm)을 사용하여 개발하고 이들을 대조군으로 하여 같은 입력 조건에서 합성곱 신경망에 의한 결과와 비교하였다.
1. 치아 방사선사진 학습에 의한 각 인공지능의 치아 판별 능력을 알아보기 위해 파노라마 방사선사진에서 잘라낸 28종류의 치아 방사선사진 각 100개씩 총 2,800개를 각각의 인공지능에 학습시킨 후 학습에 사용하지 않은 28종류의 치아 방사선사진 1,120개를 판별하게 하였다. 그 결과 합성곱 신경망은 최대 90.36%의 정확도(accuracy rate)를 보였으며, SIFT는 84.73%, HOG는 84.82%의 정확도를 나타냈다. 상기 결과에서 1,120개의 치아 방사선사진을 판별하는데 걸린 시간은 합성곱 신경망이 4.27초, SIFT가 283.44초 그리고 HOG는 279.95초였다.
2. 파노라마 방사선사진 학습에 의한 각 인공지능의 남녀 성별 판별 능력을 알아보기 위해 남녀 각 300명의 파노라마 방사선사진을 각각의 인공지능에 학습시킨 후 학습에 사용하지 않은 남녀 각 120명의 파노라마 방사선 사진의 성별을 판별하게 하였다. 그 결과 합성곱 신경망은 최대 97.5%의 정확도를 보였으며, SIFT는 91.25%, HOG는 93.33%의 정확도를 나타냈다. 상기 결과에서 240개의 방사선사진을 판별하는데 걸린 시간은 합성곱 신경망이 2.14초, SIFT가 7.89초 그리고 HOG가 7.10초였다.
3. 합성곱 신경망으로 파노라마 방사선사진을 판별하는 것은 합성곱 신경망을 이용하지 않는 다른 기계학습 방식과 비교하여 정확도 향상과 판별시간 단축을 통한 학습효율 향상에 매우 효과적임을 알 수 있었다.

주제어