Current Result Document :
| 한글제목(Korean Title) |
글로벌 및 로컬 로짓 지식 증류를 이용한 뇌연령 예측 |
| 영문제목(English Title) |
Brain Age Prediction Using Global and Local Logit Distillation |
| 저자(Author) |
진회영
문성환
이원희
Hoeyeong Jin
SungHwan Moon
Won Hee Lee
|
| 원문수록처(Citation) |
VOL 49 NO. 02 PP. 1555 ~ 1557 (2022. 12) |
한글내용
(Korean Abstract) |
생물학적 뇌연령은 알츠하이머, 파킨슨 병 등 퇴행성 신경질환을 포함하여 다양한 질병을 예측하기 위한 중요한 생체 지표(Biomarker)로 제안되고 있다. 최근 자기공명영상(Magnetic Resonance Imaging, MRI) 데이터를 이용한 딥러닝 기반 뇌연령 예측 모델 개발 연구가 활발히 진행되고 있다. 본 연구에서는 T1 강조 MRI 데이터에 글로벌 및 로컬 로짓 지식 증류(Global and Local Logit Distillation, GLD) 기법을 적용하여 뇌연령 예측 모델을 압축하여 경량화하고 뇌연령 예측에 있어서 성능을 향상시킬 수 있는 방법을 제안한다. 4723명의 T1 강조 MRI 데이터를 수집하고 전처리하여 글로벌 및 로컬 로짓 지식 증류 모델에 적용하여 뇌연령을 예측하고 성능을 평가하였다. Stratified 5-fold를 활용하여 모델을 학습하고 정량적 성능 평가를 위해 실제 연령과 예측된 뇌연령의 Mean Absolute Error(MAE)를 계산하였다. ResNet18 모델을 단독으로 학습했을 때(MAE=3.98) 보다 ResNet50을 교사모델로 하여 GLD를 적용하였을 때, 더 높은 성능(MAE=3.76)를 달성하였다. |
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
