http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
CNN 기반 당뇨병성 망막병증 특징 추출 및 심각도 등급 분류
정영훈,조경진,김대원 대한전자공학회 2019 전자공학회논문지 Vol.56 No.11
Non-proliferative diabetic retinopathy is a representative complication of diabetic patients and is known to be a major cause of impaired vision and blindness. There has been ongoing research on automatic detection of diabetic retinopathy; however, there is also a growing need for research on an automatic severity classification system. This study proposes an automatic detection system for pathological symptoms of diabetic retinopathy such as microaneurysm, retinal hemorrhage, and hard exudate by applying the Faster R-CNN technique. An automatic severity classification system based on the features of pathological symptoms of diabetic retinopathy was devised by training and testing a random forest classifier based on the data obtained through preprocessing, such as histogram smoothing of the detected features. The proposed system enables accurate judgment using objective data and indices while avoiding the subjective interpretation of testers and improving the efficiency of medical image analysis. An experiment of classifying 103 test fundus images with the proposed classification system showed 98% accuracy. The proposed automatic severity classification is expected to show a higher degree of accuracy if a greater amount of meaningful data can be collected in the future. 비증식성 당뇨성 망막 병증은 당뇨병 환자의 대표적인 합병증으로서 시력저하와 실명을 일으키는 주요한 원인 중 하나로 알려져 있다. 당뇨성 망막 병증을 자동으로 탐지하는 연구는 지속적으로 이루어지고 있으나, 여기에 추가적으로 심각도의 등급을 자동으로 분류하는 시스템에 대한 연구의 필요성 또한 대두되고 있다. 본 논문에서는 당뇨성 망막 병증의 병리적 특징인 미세혈관류, 망막 출혈과 경성 삼출물을 검출하기 위해 Faster R-CNN 기술을 적용하여 해당 병리 증상에 대해 자동으로 검출하는 시스템을 제안하였다. 검출된 특징에 대해 히스토그램 평활화 등의 전처리 과정을 수행하였고, 이 데이터를 이용해 랜덤포레스트 분류기를 학습하고 테스트함으로써 병리증상의 특징을 기반으로 한 심각도 등급을 자동 분류하는 시스템을 고안하였다. 이를 통해 검사자의 주관적 해석 개입을 방지하고 객관적 자료와 지표를 이용하여 구체적으로 판단할 수 있도록 하고 의료 영상 분석 분야 업무의 효율성을 높일 수 있도록 하였다. 본 논문에서 제안하는 방법을 이용해 테스트 안저 영상 103장에 대하여 등급 별 분류 실험을 한 결과 98%의 정확도를 보이는 분류 시스템을 구현할 수 있었고, 이는 향 후 다수의 의미 있는 데이터가 수집된다면 더 높은 완성도를 보일 수 있을 것으로 예상된다.
FOA를 이용한 홍수범람도 구축에서 불확실성 요소의 민감도 분석
정영훈,박제량,여규동,이승오,Jung, Younghun,Park, Jeryang,Yeo, Kyu Dong,Lee, Seung Oh 대한토목학회 2013 대한토목학회논문집 Vol.33 No.6
홍수위험관리에서 홍수범람도는 가장 기본적인 자료로 사용되고 있다. 그러나 홍수범람도 구축과정에서 다양한 형태로 불확실성이 발생하기 때문에 이는 정확한 홍수 방재계획 수립에 걸림돌로 작용할 수 있다. 그러므로 불확실성 요소를 제거하거나 개선하여 홍수범람도의 정확성을 향상시키는 것이 필요하나, 모든 불확실성을 완벽하게 제거하는 것은 경제적 타당성과 홍수에 대한 지식의 한계 때문에 불가능하며 매우 비효율적일 수 있다. 또한, 홍수범람도에 전달되는 불확실성 요소의 영향은 다른 환경변수에 따라 다를 수 있기 때문에 다양한 주변 환경의 조건을 고려한 불확실성 요소에 대한 민감도 분석이 필요하다. 이를 통하여 제거해야하거나 개선시켜야할 불확실성 요소의 우선순위를 정함으로써 전략적이면서도 효율적인 홍수위험관리를 유도할 수 있을 것으로 판단된다. 본 연구는 주변 환경의 조건에 따라 홍수범람도에 미치는 불확실성 요소의 민감도를 FOA방법을 이용하여 분석하고, 이를 미국 Indiana주 Columbus시 근처의 Flatrock 강에 적용하여 홍수범람도에 가장 큰 불확실성을 전달하는 요소를 선별하였다. 본 연구결과는 하나의 불확실성 요소가 다른 입력변수나 매개변수와 같은 주변 환경에 의해 홍수범람도에 다르게 영향을 준다는 것을 확인하였으며 또한, 대상유역의 홍수범람도 구축과정에서 가장 큰 불확실성 요소는 지형자료로 판명되었다. Flood inundation map has been used as a fundamental information in flood risk management. However, there are various sources of uncertainty in flood inundation mapping, which can be another risk in preventing damage from flood. Therefore, it is necessary to remove or reduce uncertainty sources to improve the accuracy of flood inundation maps. However, the entire removal of uncertainty source may be impossible and inefficient due to limitations of knowledge and finance. Sensitivity analysis of uncertainty sources allows an efficient flood risk management by considering various conditions in flood inundation mapping because an uncertainty source under different conditions may propagate in different ways. The objectives of this study are (1) to perform sensitivity analysis of uncertainty sources by different conditions on flood inundation map using the FOA method and (2) to find a major contributor to a propagated uncertainty in the flood inundation map in Flatrock at Columbus, U.S.A. Result of this study illustrates that an uncertainty in a variable is differently propagated to flood inundation map by combination with other uncertainty sources. Moreover, elevation error was found to be the most sensitive to uncertainty in the flood inundation map of the study reach.