http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 정행복(Haengbok Chung) (검색결과 2 건)
- 무료
- 기관 내 무료
- 유료
-
폐질환 의심 응급환자의 진단 과정 단축을 위한 AI기반 X-ray진단 시스템
정행복(Haengbok Chung),최새연(Saeyoun Choi),김현수(Hieonn Kim) 한국정보기술학회 2021 Proceedings of KIIT Conference Vol.2021 No.11
응급실 방문 환자의 반 이상(56%)이 x-ray 촬영을 진행하고 있다. 하지만 응급실에서 흉부 x-ray 진단에 소요되는 시간은 약 1시간으로 골든타임 내에 적절한 응급 치료를 하는 것이 중요한 응급환자에게는 긴 시간이다. 이러한 시간 지연 문제를 해결하기 위해 12초 안에 x-ray사진만으로 질병을 진단하고 감염부위를 특정하는 시스템을 제안한다. 이를 구현하기위해 Classification, Detection 기능 기반 Web Service를 제작하였고 Classification 성능을 향상시키기 위해 PGGAN을 이용하여 Syndetic Medical X-ray Data를 생성하여 데이터셋의 Class Imbalance를 완화하여 진단 성능을 향상시키고 진단 시간을 단축하여, 긴급 환자에 대한 효율적인 위급상황 대처 효율을 높이는 효과를 가져올 수 있을 것이다. 또한 이러한 시스템은 구급차 내에 설치하여 환자 이송 중에 흉부 X-ray를 촬영, 초기진단이 가능하도록 하며, 질병의 감염부위 특정, 시간 단축, 환자 관리 시스템, 증강데이터 사용한 개선된 중증도 분류 기능을 통해 기존 x-my 시스템과의 차별성을 두게 된다. Due to the global pandemic, the number of emergency patients continues to increase. More than half (56%) of patients visiting the emergency room are undergoing x-ray imaging. However, the time required for chest x-ray diagnosis in the emergency room takes about an hour, which is very long for emergency patients who need proper emergency treatment within golden time. In the case of system in this paper, x-ray imaging, which omits additional tests, is shortened to two stages of diagnosis, and the diagnosis speed of diagnosis is drastically shortened to around 12 seconds. To implement this, Classification and Detection-based Web Service was implemented, and Synthetic Medical X-ray Data were created using PGGAN to improve Classification performance. It is expected that these system will be used to improve the efficiency of medical process such as specifying problematic area, reducing x-ray processing time, and accurate disease classification in the emergency case.
-
PGGAN synthetic data를 활용한 Class간 데이터분포의 불균형 완화가 X-ray 질병 진단 정확도에 미치는 영향 연구
정행복(Haengbok Chung),최새연(SaeYoun Choi),김현수(Hieonn Kim) 한국정보기술학회 2021 Proceedings of KIIT Conference Vol.2021 No.11
의료 영역의 인공지능 진단 모델 구축 시, 모델 학습을 위해 균등하고 풍부한 X-ray데이터를 얻는 것은 여전히 어려운 과제이다. 하지만 X-ray데이터의 특성상 세밀한 차이가 중요하기 때문에 GAN을 이용한 데이터가 모델의 성능에 오히려 악영향을 줄 것이라는 견해도 존재한다. PGGAN을 이용한 합성 이미지를 생성하고, 이를 통해 Class Data Imbalance를 완화한 뒤 이러한 합성 데이터가 질병 Classification 모델의 정확도에 어떤 영향을 미치는지 연구하고자 하였다. 그 결과 증강된 이미지를 사용하지 않았을 경우 Test Binary Accuracy가 96.9%인 반면 증강된 이미지를 사용하여 질병 Classification을 수행한 결과 971%로 분류 정확도가 향상되었다. 또한 모든 질병에서 AUROC가 상승하여 전체 질병의 평균 AUROC의 경우 0.7848에서 0.8412로 크게 개선되었다. When building an artificial intelligence diagnostic model in the medical field, obtaining even and abundant X-ray data for model learning is still a challenging task. However, since detailed subtle differences are important due to the nature of X-ray data, there is also an opinion that data using GAN will adversely affect the performance of the model. Therefore, we tried to create a composite image using PGGAN, alleviate Class Imbalance through this, and study how Class Imbalance mitigation through such composite data affects the accuracy of the disease Classification model. As a result, the test binary Accuracy was 96.9% when the augmented image was not used, while the classification accuracy was improved to 97.1% as a result of performing disease classification using the augmented image. In addition, it was confirmed that AUROC increased in all diseases, significantly improving from 0.7848 to 0.8412 in the average AUROC of all diseases.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
