Current Result Document :
| 한글제목(Korean Title) |
자가 지도 방식 디노이징을 이용한 저선량 CT 진단 예측률 향상 |
| 영문제목(English Title) |
Improvement of Low-Dose CT diagnosis prediction based self-supervised denoising |
| 저자(Author) |
김경아
김태현
Kyeonga Kim
Taehyun Kim
|
| 원문수록처(Citation) |
VOL 49 NO. 01 PP. 0867 ~ 0869 (2022. 06) |
한글내용
(Korean Abstract) |
자가 지도 노이즈 제거(self-supervised learning denoising) 방법은 깨끗한 이미지 없이 원본 이미지로만 질병 진단 및 다운스트림 분류 예측을 위해 이미지 품질을 향상한다. 최근, 의료 영상 분석에 있어 딥러닝 기술을 접목하기 위해 다양한 방법들이 제안되고 있지만 의료 이미지는 몇 가지 주요 원인으로 인해 다루기 어렵다. 첫 번째는 CT[9]나 MRI[10]와 같은 의료 영상에는 촬영 기기에 의한 잡음이 있어 모델이 학습하는 혼란을 주어 예측 성능에 부정적인 영향을 미친다. 두 번째로는 의료 분야에서는 지도 학습을 위해 필요한 ground truth 에 해당하는 깨끗한 이미지를 제공하지 않는다. 본 논문에서는 self-supervised denoising model 의 loss 와 classification network 의 loss 를 결합해 학습함으로써 분류 성능을 향상하는 방법을 제안한다. 더 나아가, 파인튜닝(fine-tuning)으로 적은 양의 의료 이미지 데이터 세트의 분류 예측 성능을 향상한다. |
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
