유방암 진단을 위한 SLIC 분할과 딥러닝의 융합
Integration of SLIC segmentation and deep learning method for breast tumor classification
초록/요약
본 논문은 의사의 시점을 고려하여 X-ray 이미지 상에서 주변 픽셀에 비해 밝은 영역의 특성을 반영하는 네트워크를 구현한 논문이다. SLIC (Simple Linear Iterative Clustering) 알고리즘을 적용하여 RoI (Region of Interest) 이미지의 지역적인 특징과 원본 X-ray 이미지의 전체적인 특징을 모두 반영한 종양 분류 모델을 고안하였다. 종양의 악성여부를 추정하는 분류 네트워크를 구현하여 RoI 미적용시 정확도 0.925, 적용시 정확도 0.96라는 유의미한 성능 차이를 보여주었다.
more초록/요약
This paper implements a deep learning network that reflects the characteristics of a region that is brighter than the surrounding pixels on an X-ray image, considering the point of view of the radiologist. We apply a Simple Linear Iterative Clustering (SLIC) algorithm to devise a tumor classification model that reflects both the local features of the Region of Interest (RoI) image and the global features of the original image. We implemented a classification network to estimate the malignancy of the tumor which showed a significant performance difference of accuracy 0.96 on application of ROI, accuracy 0.925 without ROI.
more목차
제 1 장 서 론 1
제 2 장 기존 알고리즘 및 배경지식 4
제 3 장 제안하는 네트워크 구조 6
제 1 절 제안하는 네트워크의 전체적 구조 6
제 2 절 CBIS-DDSM 8
제 3 절 SLIC 알고리즘을 이용한 RoI 추출 9
제 4 절 EfficientNet 10
제 4 장 결 과 11
제 5 장 결 론 16
참고 문헌 17
Abstract 17
