Earticle

초록

한국어

최근 딥러닝 기반의 모델이 발전하며, 모델은 점점 커지고 데이터획득의 중요성이 높아지고 있다. 또한, 생성형 모델의 발전으로 많은 생성형 데이터들의 성능이 향상되고 SORA, ChatGPT와 같은 어플리케이션이 많은 관심을 받고 있다. 데이터의 수가 비교적 많이 적은 의료 영상의 경우 커지는 모델을 감당하기 힘들어졌다. 본 논문은 데이터의 획득이 어려운 Brain Tumor MRI 데이터셋을 이용해 딥러닝 기반의 Tumor 분류를 수행했고, 데이터의 양이 많이 필요한 큰 모델에서의 성능 향상을 위해 부족한 데이터를 최근 화제가 되고 있는 Latent Diffusion 모델을 사용해 기존 데이터의 수보다 대략 14.2배의 데이터를 생성했다. 기존의 학 습 데이터보다 14.2배의 많은 데이터로 학습을 한 Brain Tumor분류 모델은 대략 4.9%의 성 능향상을 보였고, 99.6%의 정확도를 보였다.

목차

요약
1. 서론
2. 관련연구
2.1. Generative Model
2.2. Brain Tumors Classification
3. 실험방법
3.1. Brain Tumor MRI Dataset
3.2. 실험환경
4. 실험결과
5. 결론
참고문헌

저자

• 음승호 [ 컴퓨터공학과 서강대학교 ]
• 심윤섭 [ 인공지능학과 서강대학교 ]
• 박운상 [ 컴퓨터공학과 서강대학교 ] 교신저자

참고문헌