$\require{mediawiki-texvc}$

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.

CNN 기반 전이학습을 이용한 뼈 전이가 존재하는 뼈 스캔 영상 분류
Classification of Whole Body Bone Scan Image with Bone Metastasis using CNN-based Transfer Learning 원문보기

멀티미디어학회논문지 = Journal of Korea Multimedia Society, v.25 no.8, 2022년, pp.1224 - 1232  

임지영 (Dept. of Artificial Intelligence Convergence, Chonnam National University) ,  도탄콩 (Dept. of Artificial Intelligence Convergence, Chonnam National University) ,  김수형 (Dept. of Artificial Intelligence Convergence, Chonnam National University) ,  이귀상 (Dept. of Artificial Intelligence Convergence, Chonnam National University) ,  이민희 (Dept. of Nuclear Medicine, Chonnam National University Hwasun Hospital) ,  민정준 (Dept. of Nuclear Medicine, Chonnam National University Hwasun Hospital) ,  범희승 (Dept. of Nuclear Medicine, Chonnam National University Hwasun Hospital) ,  김현식 (Medical Photonics Research Center, Korea Photonics Technology Institute) ,  강세령 (Dept. of Nuclear Medicine, Chonnam National University Hwasun Hospital) ,  양형정 (Dept. of Artificial Intelligence Convergence, Chonnam National University)

Abstract ▼ AI-Helper 아이콘AI-Helper

Whole body bone scan is the most frequently performed nuclear medicine imaging to evaluate bone metastasis in cancer patients. We evaluated the performance of a VGG16-based transfer learning classifier for bone scan images in which metastatic bone lesion was present. A total of 1,000 bone scans in 1...

주제어

#Deep Learning   #Computer Vision   #CNN   #Transfer Learning   #Medical Image   #Bone Scan  

표/그림 (6)

참고문헌 (17)

  1. M. Salim, E. Wahlin, K. Dembrower, E. Azavedo, T. Foukakis, and Y. Liu, et al., "External Evaluation of 3 Commercial Artificial Intelligence Algorithms for Independent Assessment of Screening Mammograms," The Journal of the American Medical Association Oncology, Vol. 6, No. 10, pp. 1581-1588, 2020. 

  2. E. Hwang, H. Kim, S. Yoon, J. Goo, and C. Park, "Implementation of a Deep Learning-Based Computer-Aided Detection System for the Interpretation of Chest Radiographs in Patients Suspected for COVID-19," Korean Journal of Radiology, Vol. 10, pp. 1150-1160, 2020. 

  3. D. Kim, J. Park, J. Choi, D. Shim, H. Kim, and Y. Lee, "Building the Process for Reducing Whole Body Bone Scan Errors and its Effect," The Korean Journal of Nuclear Medicine Technology, Vol. 21, No. 1, pp. 76-82, 2017. 

  4. Artificial Intelligence Healthcare that Evolves with the Covid Era, https://www.medifonews.com/mobile/article.html?no163642 (accessed June 27, 2022). 

  5. Radiologist Workforce Crisis and Radiologist Shortage, http://www.bosa.co.kr/news/articleView.html?idxno2120014 (accessed June 27, 2022). 

  6. N. Papandrianos, E. Papageorgiou, A. Anagnostis, and K. Papageorgiou, "Bone Metastasis Classification Using Whole Body Images From Prostate Cancer Patients Based on Convolutional Neural Networks Application," PLOS ONE, Vol. 15, No. 8, e0237213, 2020. 

    상세보기

  7. N. Papandrianos, E. Papageorgiou, A. Anagnostis, and A. Feleki, "A Deep-Learning Approach for Diagnosis of Metastatic Breast Cancer in Bones from Whole-Body Scans," Applied Sciences, Article ID 997, 2020. 

  8. Z. Zhao, Y. Pi, L. Jiang, Y. Xian, J. Wei, and P. Yang. et al., "Deep Neural Network Based Artificial Intelligence Assisted Diagnosis of Bone Scintigraphy for Cancer Bone Metastasis," Scientific Reports, Article ID 17046, 2020. 

  9. T.C. Hsieh, C.W. Liao, Y.C. Lai, K.M. Law, P.K. Chan, and C.H. Kao, "Detection of Bone Metastases on Bone Scans through Image Classification with Constrastive Learning," Journal of Personalized Medicine, Article ID 1248, 2021. 

  10. K. Simonyan and A. Zisserman, "Very Deep Convolutional Networks for Large-Scale Image Recognition," arXiv Preprint, arXiv:1409.1556, 2014. 

  11. V. Nair and G.E. Hilton, "Rectified Linear Units Improve Restricted Boltzmann Machines," International Conference on Machine Learning, pp. 807-814, 2010. 

  12. S. Park and D. Kim, "Comparison of Image Classification Performance in Convolutional Neural Network according to Transfer Learning," Journal of Korea Multimedia Society, Vol. 21, No. 12, pp. 1387-1395, 2018. 

    원문보기 상세보기 crossref

  13. K.M. He, X.Y. Zhang, S.Q. Ren, and J. Sun, "Deep Residual Learning for Image Recognition," 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 770-778, 2016. 

  14. F. Chollet, "Xception: Deep Learning with Depthwise Separable Convolutions," 2017 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 1800-1807, 2017. 

  15. G. Huang, Z. Liu, L.V.D. Maaten, and K.Q. Weinberger, "Densely Connected Convolutional Networks," 2017 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 4700-4708, 2017. 

  16. C. Szegedy, V. Vanhoucke, S. Ioffe, J. Shlens, and Z. Wojna, "Rethinking the Inception Architecture for Computer Vision," 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 2818-2826, 2016. 

  17. R.R. Selvaraju, M. Cogswell, A. Das, R. Vedantam, D. Parikh, and D. Batra, "Grad-CAM: Visual Explanations from Deep Networks via Gradient-based Localization," 2017 IEEE International Conference on Computer Vision (ICCV), pp. 618-626, 2017. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

이 논문과 함께 이용한 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