$\require{mediawiki-texvc}$

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.

흉부 X-ray 기반 딥 러닝 손실함수 성능 비교·분석
Comparison and analysis of chest X-ray-based deep learning loss function performance 원문보기

한국정보통신학회논문지 = Journal of the Korea Institute of Information and Communication Engineering, v.25 no.8, 2021년, pp.1046 - 1052  

서진범 (Department of information Security, Daejeon University) ,  조영복 (Department of information Security, Daejeon University)

초록
AI-Helper 아이콘AI-Helper

4차 산업의 발전과 고성능의 컴퓨팅 환경 구축으로 다양한 산업분야에서 인공지능이 적용되고 있다. 의료분야에서는 X-Ray, MRI, PET 등의 의료 영상 및 임상 자료를 이용하여 암, COVID-19, 골 연령 측정 등의 딥 러닝 학습이 진행되었다. 또한 스마트 의료기기, IoT 디바이스와 딥 러닝 알고리즘을 적용하여 ICT 의료 융합 기술 등이 연구되고 있다. 이러한 기술 중 의료 영상 기반 딥 러닝 학습은 의료 영상의 바이오마커를 정확히 찾아내고, 최소한의 손실률과 높은 정확도가 필요하다. 따라서 본 논문은 흉부 X-Ray 이미지 기반 딥 러닝 학습 과정에서 손실률을 도출하는 손실 함수 중 영상분류 알고리즘에서 사용되는 Cross-Entropy 함수들의 성능을 비교·분석하고자 한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Artificial intelligence is being applied in various industrial fields to the development of the fourth industry and the construction of high-performance computing environments. In the medical field, deep learning learning such as cancer, COVID-19, and bone age measurement was performed using medical...

주제어

#딥 러닝   #바이오 마커   #손실함수   #인공지능   #의료 영상  

표/그림 (11)

참고문헌 (15)

  1. G. Chandrika, "Study on Software Reliability and Reliability Testing," Asia-pacific Journal of Convergent Research Interchange, vol. 1, no. 1, pp. 7-20, Mar. 2015. 

  2. H. M. Sim and P. Ishvi, "Analysis of an Axial T2 Weighted Brain MRI," Asia-pacific Journal of Convergent Research Interchange, vol. 3, no. 1, pp. 45-55, Mar. 2017. 

  3. S. H. Lee and J. Y. Kim, "Artificial Intelligence Technology Trends Based on Medical Big Data," The Journal of The Korean Institute of Communication Sciences, vol. 37, no. 8, pp. 85-91, Aug. 2020. 

  4. S. T. Kang, W. Lee, B. G. Park, and K. S. Han, "Diagnosis of Parkinson's Disease Using Two Types of Biomarkers and Characterization of Fiber Pathways," KIPS Transactions on Software and Data Engineering, vol. 3, no. 10, pp. 421-428, Oct. 2014. 

    원문보기 상세보기 crossref

  5. J. Y. Yun, K. T. Kim, and J. Y, Choi, "Using 3D Deep Convolutional Neural Network with MRI Biomarker patch Images for Alzheimer's Disease Diagnosis," Journal of Korea Multimedia Society, vol. 23, no. 8, pp. 940-952, Aug. 2020. 

    원문보기 상세보기 crossref

  6. H. I. Kim and H. N. Yoon, "Classification of Medical Images Based on Mixed Attributes Relation," Journal of Digital Contents Society, vol. 21, no. 11, pp. 2033-2039, Nov. 2020. 

    상세보기

  7. Y. B. Cho, "Keras based CNN Model for Disease Extraction in Ultrasound Image," Journal of Digital Contents Society, vol. 19, no. 10, Oct. 2018. 

    상세보기

  8. J. K. Aronson "Biomarkers and surrogate endpoints," British Journal of Clinical Pharmacology, vol. 59, no. 5, pp. 491-494, May. 2005. 

    상세보기 crossref

  9. S. Kyle and J. A. Tavel. "What are Biomarkers?," Current Opinion in HIV and AIDS, vol. 5, no. 6, pp. 463-466, Nov. 2011. 

    상세보기 crossref

  10. J. H. Son, K. T. Kim, and J. Y. Choi, "Alzheimer's Disease Classification with Automated MRI Biomarker Detection Using Faster R-CNN for Alzheimer's Disease Diagnosis," Journal of Korea Multimedia Society, vol. 22, no. 10, pp. 1168-1177, Oct. 2019. 

  11. X. Qi, L. G. Brown, D. J. Foran, J. Nosher, and I. Hacihaliloglu "Chest X-ray image phase features for improved diagnosis of COVID-19 using convolutional neural network," International Journal of Computer Assisted Radiology and Surgery, vol. 16, pp. 197-206, 2021. 

    상세보기

  12. I. Hacihaliloglu, "Localization of bone surfaces from ultra sound data using local phase information and signal transmission maps," International workshop and challenge on computational methods and clinical applications in musculoskeletal imaging, pp. 1-11, Jan. 2017. 

  13. M. Felsberg and G. Sommer, "The monogenic signal," IEEE Transactions on Signal Processing, vol. 49, no. 12, pp. 3136-3144, Dec. 2001. 

    상세보기

  14. A. Belaid and D, Boukerroui, "α Scale spaces filters for phase based edge detection in ultrasound images," IEEE 11th International Symposium on Biomedical Imaging, pp. 1247-1250, 2014. 

  15. G. Meng, Y. Wang, J. Duan, S. Xiang, and C. PAN, "Efficient Image Dehazing with Boundary Constraint and Contextual Regularization," 2013 IEEE International Conference on Computer Vision, Sydney, pp. 1247-1250, 2013. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

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