현재 위치
Home
Poster Session Ⅱ AI : 영상 분석
TECD : 용종 분할을 위한 트랜스포머와 합성곱 신경망 결합 구조
TECD : Combined transform and convolutional neural network for polyp segmentation
-
- 발행기관
- 한국차세대컴퓨팅학회 바로가기
-
- 간행물
- 한국차세대컴퓨팅학회 학술대회 바로가기
-
- 통권
- 2023 한국차세대컴퓨팅학회 춘계학술대회 (2023.06)바로가기
-
- 페이지
- pp.169-171
-
- 저자
-
- 언어
- 한국어(KOR)
-
- URL
- https://www.earticle.net/Article/A433538
원문정보
초록
- 한국어
- 인공지능의 기술의 발달로 인해 의료 분야에도 진단, 예방, 시각화 등 다양한 분야 인공지능이 활용되고 있다. 그러나 환자의 개인 정보 보호를 위해 공개된 데이터가 제한적이어서 인공지능 학습에 어려움이 있다. 본 연구에서는 소수의 데이터로도 안정적으로 학습할 수 있는 TECD (Transformer Encoder Convolutional neural network Decoder)를 제안한다. TECD는 SegFormer의 인코더와 Attention U-net의 디코더를 결합하여 사용한다. 이는 트랜스포머와 합성곱 신경망의 단점을 보완할 수 있도록 설계되었다. 트랜스포머는 이미지의 특징을 풍부하게 잘 추출할 수 있으나 많은 학습 데이터가 필요하며, 합성곱 신경망은 상대적으로 적은 데이터로도 학습할 수 있으나 이미지의 특징 추출에 한계가 있다. TECD는 이러한 두 구조의 장점만 효과적으로 결합했다. 본 연구에서는 용종 분할 데이터인 Kvasir-SEG 데이터셋을 사용하여 실험을 진행하였다. 실험 결과, TECD는 소수의 데이터를 가지고 학습할 때, 트랜스포머 기반의 SegFormer와 합성곱 신경망 기반의 Attention-U-net보다 더 우수한 성능을 보였다. 대장내시경 영상 내의 용종 분할 작업 외에 다양한 의료 영상 분야에 TECD가 적용될 수 있을 것이라 기대한다. 더불어 의료 분야와 같이 소수의 데이터만 공개되는 분야에서도 트랜스포머 기반의 모델을 활용할 수 있는 가능성을 제시한다.
목차
요약
1. 서론
2. 관련연구
3. 연구방법
4. 실험
4.1. 데이터셋
4.2. 평가 지표
4.3 실험결과
5. 결론
Acknowledgement
참고문헌
키워드
인공지능 의료 영상 분할 용종 분할 딥러닝 트랜스포머저자
간행물 정보
발행기관
-
- 발행기관명
- 한국차세대컴퓨팅학회 [Korean Institute of Next Generation Computing]
- 설립연도
- 2005
- 분야
- 공학>컴퓨터학
- 소개
- 본 학회는 차세대 PC 및 그 관련분야의 학술활동을 통하여 차세대 PC의 학문 및 기술발전을 도모하고 산업발전 및 국제협력 증진을 목적으로 한다.
간행물
-
- 간행물명
- 한국차세대컴퓨팅학회 학술대회
- 간기
- 반년간
- 수록기간
- 2021~2025
- 십진분류
- KDC 566 DDC 004
이 권호 내 다른 논문 / 한국차세대컴퓨팅학회 학술대회 2023 한국차세대컴퓨팅학회 춘계학술대회
피인용수 : 0건 (자료제공 : 네이버학술정보)
함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.
출처 : 네이버학술정보
0개의 논문이 장바구니에 담겼습니다.