Current Result Document :
| 한글제목(Korean Title) |
약한 지도 학습 기법을 활용한 뇌경색 데이터의 의미론적 분할 및 발생 원인 별 분류 |
| 영문제목(English Title) |
Weakly Supervised Semantic Segmentation and Classification on Cerebral Infarction Images |
| 저자(Author) |
최동규
김지훈
김재명
김준태
이승한
최종현
Donggyu Choi
Jihun Kim
JaeMyung Kim
JoonTae Kim
SeungHan Lee
Jonghyun Choi
|
| 원문수록처(Citation) |
VOL 48 NO. 02 PP. 1481 ~ 1483 (2021. 12) |
한글내용
(Korean Abstract) |
의료 데이터의 ground-truth mask를 만드는 데는 많은 비용이 발생한다. 이러한 비용을 절감하기 위해 다수의 약한 지도 학습, 준 지도 학습 기법들이 제안되었다. 본 논문에서는 상용데이터셋에서 좋은 성능을 보이는 약한 지도 학습 모델인 EPS를 신경계 질환 데이터셋에 적용해보고 의미 분할 및 뇌경색 원인에 따른 분류 성능을 측정해보고자 한다. 실험 결과 뇌경색 데이터의 이진 분류 실험의 경우 상용데이터셋과 비슷한 정확도 성능을 보여주었으나, 다중 라벨 분류 실험에서는 상대적으로 낮은 성능을 보임을 확인하였다. 이를 통해 약한 지도 학습 환경에서 뇌경색 병변 원인에 따른 뇌경색 종류 구분은 추가적인 정보가 필요함을 확인할 수 있었다. |
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
