$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

간 질병 분류를 위한 라만 스펙트럼의 배경 잡음 제거 방법
A method of background noise removal of Raman spectra for classification of liver disease 원문보기

스마트미디어저널 = Smart media journal, v.2 no.2, 2013년, pp.33 - 38  

박아론 (전남대학교 전자컴퓨터공학부) ,  백성준 (전남대학교 전자컴퓨터공학부)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 급성 알코올성 간 손상과 만성 에탄올성 간섬유증이 유도된 마우스로부터 획득한 라만 스펙트럼에서 배경 잡음을 제거하기 위한 기준선 추정 방법을 조사하였다. 기준선을 추정하기 위해 일차 미분, 선형계획법, rolling ball을 이용한 방법을 적용하였다. 각 방법의 적절한 압력 파라미터를 MAP(maximum a posteriori probability)의 훈련율에 의해 결정하였다. 실험 절과에 따르면 rolling ball 알고리즘을 이용한 기준선 추정 방법이 급성 알코올성 간 손상과 만성 에탄올성 간섬유증의 MAP 분류에서 평균 89.4%로 가장 좋은 결과를 나타냈다. 이 결과로부터 라만 스펙트럼의 기준선 추정에 적절한 방법과 파라미터를 결정하는 것이 분류 성능에 미치는 영향을 확인하였다.

Abstract AI-Helper 아이콘AI-Helper

In this paper, we investigated baseline estimation methods for remove background noise using Raman spectra from acute alcohol liver injury and acute ethanol-induced chronic liver fibrosis. Far the baseline estimation, we applied first derivative, linear programming and rolling ball method. Optimal i...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 이용한 방법을 제안하였다 [7, 8].연구에서는 rolling ball 방법을 추가하여 효과적인간 질병 분류를 위 한라만 스펙트럼의 기준선 추정 방법을 조사하였다.라만 스펙트럼에 세가지 방법을 이용해 기준선을 추정하고 제거한 후 PCA (principal components analysis) 로 특징을 추출하고 MAP(maximum a posteriori probability)로 분류하여 성능을 비교하였다.
  • 본 연구에서는 급성알코올성 간 손상과 만성 에탄올 간 섬유증의 질병이 유도된 마우스로부터 획득한 라만 스펙트럼에 서기 준선을 추정하는 방법을 조사하였다. 라만 스펙트럼의 기준선을 추정하기 위해 일차 미분, 선형 계획법, roUing ball을 이용한 방법으로 기준선을 추정하고 각 방법의 적절한 파라미터를 MAP 훈련율에 의해 각각 70, 6, 60으로 결정하였다.
본문요약 정보가 도움이 되었나요?

저자의 다른 논문 :

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로