$\require{mediawiki-texvc}$

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.

피부암 병변 분류를 위한 SCLC-Edge 검출 알고리즘
SCLC-Edge Detection Algorithm for Skin Cancer Classification 원문보기

한국융합신호처리학회논문지 = Journal of the Institute of Convergence Signal Processing, v.23 no.4, 2022년, pp.256 - 263  

박준영 (아주대학교 의과대학 대학원 융합의과학과대학교) ,  김창민 (상지대학교 정보통신소프트웨어공학과) ,  박찬홍 (상지대학교 정보통신소프트웨어공학과)

초록
AI-Helper 아이콘AI-Helper

피부암은 세계에서 가장 흔한 질병 중 하나로 국내에선 발병률이 지난 5년 동안 약 100%가 증가했고 미국에선 매년 500만여 명이 피부암을 진단받는다. 피부암은 주로 자외선의 노출로 피부 조직이 오랜 시간 손상되면서 발생하게 된다. 피부암의 악성종양인 흑색종은 피부 위에서 발생하는 멜라닌 세포 모반과 생김새가 유사해 2차 징후가 발생하지 않는 한 일반인이 자각하기 어려운 점이 있다. 본 논문에서는 이러한 피부암의 조기 발견과 분류를 위해 피부암 병변 윤곽선 검출 알고리즘과 피부암 병변 분류를 수행하는 딥러닝 모델인 CRNN을 제안한다. 실험 결과 본 논문에서 제안하는 윤곽선 검출 알고리즘을 이용할 시 분류 정확도가 97%로 가장 높은 정확도를 보였고 Canny 알고리즘의 경우 78%를 보였고 Sobel의 경우 55%, Laplacian의 경우 46%를 보였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Skin cancer is one of the most common diseases in the world, and the incidence rate in Korea has increased by about 100% over the past five years. In the United States, more than 5 million people are diagnosed with skin cancer every year. Skin cancer mainly occurs when skin tissue is damaged for a l...

주제어

#딥러닝   #의료영상   #윤곽선 검출   #영상 분류   #인공지능  

참고문헌 (11)

  1. D. H. Shin, K. Chung, and R. C. Park, "Detection of？Emotion Using Multi-Block Deep Learning in a？Self-Management Interview App," Appli. Sci., vol. 9,？no. 22, pp. 4830-4845, Nov. 2019. 

  2. C. M. Kim, E. Hong, K. Chung, R. Park, "Health Risk？Detection and Classification Model Using？Multi-Model-Based Image Channel Expansion and？Visual Pattern Standardization,"Appli. Sci., Vol. 11,？No. 8, pp. 8621-8620, Sep. 2021. 

  3. C. M. Kim, K. Chung, R. Park, "Anomaly detection？model of mammography using YOLOv4-based？histogram,"Pers. Ubiquitous Comput., July 2021, Doi:？https://doi.org/10.1007/s00779-021-01598-1. 

    상세보기 crossref

  4. C. M. Kim, E. Hong, R. Park, "Chest X-Ray Outlier？Detection Model Using Dimension Reduction and Edge？Detection,"IEEE Access, Vol. 9, pp. 86096-86106,？Jun., 2021. 

    상세보기

  5. C. M. Kim, E. Hong, R. Park, "Breast Mass？Classification using the eLFA Algorithm based on？CRNN Deep Learning Model,"IEEE Access, Vol.？197312-197323, Oct., 2020. 

  6. C. M. Kim, E. Hong, K. Chung, R.？Park,"Line-Segment Feature Analysis Algorithm Using？Input Dimensionality Reduction for Handwritten Text？Recognition,"Appli. Sci., Vol. 10, No. 19, pp.？6904-6921. Oct. 2020. 

  7. H. Yoo, S. Y. Han, K. Y. Chung, "A Frequency？Pattern Mining Model Based on Deep Neural Network？for Real-Time Classification of Heart Conditions,"？Healthcare, vol. 8, Issue 3, pp.234-252, July, 2020. 

  8. J. W. Baek, K. Chung, "Context Deep Neural？Network Model for Predicting Depression Risk Using？Multiple Regression," IEEE Access, vol. 8, pp.？18171-18181, Jan. 2020. 

    상세보기

  9. J. C. Kim, K. Chung, "Multi-Modal Stacked Denoising？Autoencoder for Handling Missing Data in Healthcare？Big Data," IEEE Access, vol. 8, pp.104933-104943,？May, 2020. 

    상세보기

  10. C. M. Kim, E. Hong, K. Chung, R. Park, "Driver？Facial Expression Analysis Using LFA-CRNN-Based？Feature Extraction for Health-Risk Decisions," Appl.？Sci., vol. 10, pp. 2956-2974, Apr. 2020. 

  11. J. C. Kim, K. Chung, "Hybrid Multi-Modal Deep？Learning using Collaborative Concat Layer in Health？Bigdata," IEEE Access, vol. 8, pp.192469-192480, Oct.？2020. 

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