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 : 진연연(Yanjuan Chen) (검색결과 3 건)
- 무료
- 기관 내 무료
- 유료
-
Product Label Detection based on the Local Structure Tensor
Yanjuan Chen(진연연),Myungeun Lee(이명은),Soohyung Kim(김수형) 한국정보과학회 2011 한국정보과학회 학술발표논문집 Vol.38 No.1C
In this paper, we propose an approach to detect the product label for mobile phone images based on saliency map and the local structure tensor. The object boundary information can be better described by the local structure tensor than other edge detectors, and the saliency map methods can find out the most salient area and shorten the computational time by reducing the size of the orignal image. Therefore, these two methods are considered for our product label detection. The experimental results show an acceptable performance based on our proposed approach.
-
유방 MR 영상에서 비등방성 확산 방법과 구조텐서를 이용한 흉근 자동 분할
이명은(Myungeun Lee),진연연(Yanjuan Chen),김수형(Soohyung Kim),김종효(Jonghyo Kim) 한국정보과학회 2011 한국정보과학회 학술발표논문집 Vol.38 No.1C
본 논문에서는 비등방성 확산 방법과 구조텐서를 이용한 유방 MR 영상에서 흉근을 자동 분할하기 위한 방법을 제안한다. 제안하는 방법은 영상에 포함되어 있는 잡음을 제거하기 위하여 비등방성 확산 방법을 적용한 후 영상의 국부적인 기울기 정보를 잘 나타내는 구조텐서를 이용하여 영상 진단 및 영상 정합 시 불필요한 흉근 부분을 자동으로 분할하고자 한다. 실험결과에서 확인 할 수 있듯이 정확한 분할의 결과는 향후 컴퓨터 보조 진단 시스템에 유용하게 사용할 수 있을 것으로 기대된다.
-
박상철(Sang Cheol Park),이명은(Myung Eun Lee),김수형(Soo Hyung Kim),나인섭(In Seop Na),진연연(Yanjuan Chen) 한국정보과학회 2012 정보과학회논문지 : 소프트웨어 및 응용 Vol.39 No.3
현대의학에서 효과적인 질병의 진단 및 환자의 치료를 위해 의료영상은 매우 중요한 도구이다. 또한 영상기술 발달은 더욱 정교한 의료영상 데이터를 획득 가능하게 하고 있다. 그러나 이러한 정교함의 대가로 데이터의 양은 점차 방대해지고 있어 의료영상 데이터를 인간의 시각에 의존하여 분석하는 데 어려움이 많다. 따라서 최근 십여 년 동안 기계학습은 의료영상 자동 분석에서 필수적인 역할을 수행하여 왔다. 이 논문에서는 먼저 현대의학의 눈과 같은 다양한 의료영상의 역사, 원리 그리고 응용 분야를 살펴본다. 또한, 기계학습이 다양한 의료영상에 적용되는 최근의 기법을 소개한다. 예를 들어 의료영상 분할 (segmentation), 영상 정합(registration), 컴퓨터 보조 진단 시스템(CADx, CADe), 내용기반 검색(content based image retrieval)에서 적용된 기계학습 기법인 신경망(artificial neural network), 최근거리 이웃법 (k-nearest neighbors), 유전자 알고리즘(genetic algorithm), 가우시안 혼합 모델(gaussian mixture model), 개미군집 최적화(ant colony optimization), 조건부 엔트로피(conditional entropy), 두 학습 기법의 결합 방법 등이 있다. Medical images are exceedingly important means of diagnosing a variety of diseases and treating patients in current medicine. Advance of the new imaging technologies enables them to acquisite more detailed images. However, the amount of the image data is getting too bigger to analyze the images by only human visual inspection. Thus, over the past few decades, machine learning has been performing an essential role in the automated medical image analysis. In the paper, we first overview the history, principle, and applications of various medical images thought of as eyes of current medicine. In addition, we introduce the latest techniques of machine learning applied to medical images. For examples, artificial neural network, k-nearest neighbors, genetic algorithm, gaussian mixture model, ant colony optimization, conditional entropy, and fusion of two machine learning algorithms in segmentation, registration, and content-based medical image retrieval.
ScienceON연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
