http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
Oh, Kanghan,Kim, Woosung,Shen, Guangfan,Piao, Yanhong,Kang, Nam-In,Oh, Il-Seok,Chung, Young Chul Elsevier 2019 SCHIZOPHRENIA RESEARCH Vol.212 No.-
<P><B>Abstract</B></P> <P><B>Background</B></P> <P>The recent deep learning-based studies on the classification of schizophrenia (SCZ) using MRI data rely on manual extraction of feature vector, which destroys the 3D structure of MRI data. In order to both identify SCZ and find relevant biomarkers, preserving the 3D structure in classification pipeline is critical.</P> <P><B>Objectives</B></P> <P>The present study investigated whether the proposed 3D convolutional neural network (CNN) model produces higher accuracy compared to the support vector machine (SVM) and other 3D-CNN models in distinguishing individuals with SCZ spectrum disorders (SSDs) from healthy controls. We sought to construct saliency map using class saliency visualization (CSV) method.</P> <P><B>Methods</B></P> <P>Task-based fMRI data were obtained from 103 patients with SSDs and 41 normal controls. To preserve spatial locality, we used 3D activation map as input for the 3D convolutional autoencoder (3D-CAE)-based CNN model. Data on 62 patients with SSDs were used for unsupervised pretraining with 3D-CAE. Data on the remaining 41 patients and 41 normal controls were processed for training and testing with CNN. The performance of our model was analyzed and compared with SVM and other 3D-CNN models. The learned CNN model was visualized using CSV method.</P> <P><B>Results</B></P> <P>Using task-based fMRI data, our model achieved 84.15%∼84.43% classification accuracies, outperforming SVM and other 3D-CNN models. The inferior and middle temporal lobes were identified as key regions for classification.</P> <P><B>Conclusions</B></P> <P>Our findings suggest that the proposed 3D-CAE-based CNN can classify patients with SSDs and controls with higher accuracy compared to other models. Visualization of salient regions provides important clinical information.</P>
Text Line Segmentation using AHTC and Watershed Algorithm for Handwritten Document Images
Oh, KangHan,Kim, SooHyung,Na, InSeop,Kim, GwangBok The Korea Contents Association 2014 International Journal of Contents Vol.10 No.3
Text line segmentation is a critical task in handwritten document recognition. In this paper, we propose a novel text-line-segmentation method using baseline estimation and watershed. The baseline-detection algorithm estimates the baseline using Adaptive Head-Tail Connection (AHTC) on the document. Then, the watershed method segments the line region using the baseline-detection result. Finally, the text lines are separated by watershed result and a post-processing algorithm defines the lines more correctly. The scheme successfully segments text lines with 97% accuracy from the handwritten document images in the ICDAR database.
GMM 기법과 RGB 클러스터링을 결합한 꽃 영역 분할
오강한(Kanghan Oh),김수형(Soohyung Kim),박상철(Sangcheol Park),나인섭(Inseop Na) 한국정보과학회 2011 한국정보과학회 학술발표논문집 Vol.38 No.2B
본 논문에서는 GMM 알고리즘과 다양한 영상처리 기법을 이용하여 입력 이미지에서 꽃 영역을 추출하는 방법을 제안한다. 제안한 방법은 먼저 GMM 알고리즘을 이용하여 입력된 칼라 영상을 두 개의 군집으로 분할하고 분할된 각 영역 분산을 이용하여 첫 번째 꽃 영역 후보를 획득한다. 다음은 두 개의 군집의 RGB값 평균 정보를 이용하여 배경과 꽃 영역을 분할한 후 앞선 과정에서 획득한 꽃 영역과의 교집합 연산을 해서 최종 꽃 영역을 추출한다. 마지막은 후처리 알고리즘을 이용하여 꽃 영역과 배경에 남아있는 잡음들을 제거하여 최종적인 꽃 영역을 결정 한다. 실험을 통해 Ground truth 이미지와 분할결과 이미지를 비교하여 성능을 평가하였다. 그리고 기존 이미지 분할 알고리즘과 비교분석을 통해 제안한방법의 우수성을 확인 하였다.
최동희 ( Donghee Choi ),오강한 ( Kanghan Oh ) 한국농공학회 2022 한국농공학회 학술대회초록집 Vol.2022 No.-
최근 농촌은 인구 인구감소와 고령화로 인해 인력 부족 현상을 겪고 있다. 현재 이 문제를 극복하기 위해 기계 및 인공지능 소프트웨어 기술을 활용한 스마트 정밀 농업기술들이 개발되고 있다. 육계 산업 분야에서는 머신 비전 기술을 활용하여 계사 관리 자동화를 시도하고 하였고 유의미한 발전이 있었다. 특히 육계의 공간적 분포를 자동으로 추정하는 기술은 육계 산업 분야 종사자들에게 계사 관리자에게 유용한 정보를 제공해 줄 수 있어서 연구가 활발히 진행되는 분야이다. 하지만 기존 연구들은 최신 기술이면서 강력한 성능을 지닌 심층 학습 기법을 사용하기보단 전통적인 머신 비전 기술을 사용하고 있는 한계점도 존재한다. 심층 학습은 기본적으로 사용자가 해답을 만들어서 제공해야 하는 지도 학습 방법론이다. 하지만 실시간 프레임 단위로 들어오는 계사 영상에서 일일이 육계의 위치를 레이블링하는 일은 비효율적이며 노동집약적이다. 본 연구에서는 약지도 학습 기법을 사용하여 육계의 공간적 분포를 추정하는 기술을 제안한다. 먼저 계사에서 육계의 존재 여부에 따라 영상 데이터를 구분하고 심층 학습을 사용하여 육계의 존재 여부를 인식하는 학습 모델을 구축한다. 다음 설명 가능 인공지능 모델을 사용하여 학습된 분류 모델을 해석하여 육계의 위치를 열 지도 형태로 반환한다. 정성적 시각화 평가 결과에서는 육계가 몰려있는 위치에 적합한 열 지도를 생성하는 것을 확인하였으며, 특히 계사의 조명이 꺼진 상태나 카메라에 이 물질이 붙어 노이즈가 발생한 상황에서는 육계의 위치를 추정하는 결과를 확인하였다. 향후 연구에서 정량적 평가 기준을 사용하여 평가하고 분포 추정 알고리즘을 개선하면 더 정확한 결과를 산출할 수 있을 것으로 판단된다.
최동희 ( Donghee Choi ),오강한 ( Kanghan Oh ) 한국농공학회 2022 한국농공학회 학술대회초록집 Vol.2022 No.-
최근 농촌은 인구 인구감소와 고령화로 인해 인력 부족 현상을 겪고 있다. 현재 이 문제를 극복하기 위해 기계 및 인공지능 소프트웨어 기술을 활용한 스마트 정밀 농업기술들이 개발되고 있다. 육계 산업 분야에서는 머신 비전 기술을 활용하여 계사 관리 자동화를 시도하고 하였고 유의미한 발전이 있었다. 특히 육계의 공간적 분포를 자동으로 추정하는 기술은 육계 산업 분야 종사자들에게 계사 관리자에게 유용한 정보를 제공해 줄 수 있어서 연구가 활발히 진행되는 분야이다. 하지만 기존 연구들은 최신 기술이면서 강력한 성능을 지닌 심층 학습 기법을 사용하기보단 전통적인 머신 비전 기술을 사용하고 있는 한계점도 존재한다. 심층 학습은 기본적으로 사용자가 해답을 만들어서 제공해야 하는 지도 학습 방법론이다. 하지만 실시간 프레임 단위로 들어오는 계사 영상에서 일일이 육계의 위치를 레이블링하는 일은 비효율적이며 노동집약적이다. 본 연구에서는 약지도 학습 기법을 사용하여 육계의 공간적 분포를 추정하는 기술을 제안한다. 먼저 계사에서 육계의 존재 여부에 따라 영상 데이터를 구분하고 심층 학습을 사용하여 육계의 존재 여부를 인식하는 학습 모델을 구축한다. 다음 설명 가능 인공지능 모델을 사용하여 학습된 분류 모델을 해석하여 육계의 위치를 열 지도 형태로 반환한다. 정성적 시각화 평가 결과에서는 육계가 몰려있는 위치에 적합한 열 지도를 생성하는 것을 확인하였으며, 특히 계사의 조명이 꺼진 상태나 카메라에 이 물질이 붙어 노이즈가 발생한 상황에서는 육계의 위치를 추정하는 결과를 확인하였다. 향후 연구에서 정량적 평가 기준을 사용하여 평가하고 분포 추정 알고리즘을 개선하면 더 정확한 결과를 산출할 수 있을 것으로 판단된다.
다중 확장된 컨볼루션 U-Net 을 사용한 간 영역 분할
신하쉬르티카 ( Shrutika Sinha ),오강한 ( Kanghan Oh ),파티마보드 ( Fatima Boud ),정환정 ( Hwan-jeong Jeong ),오일석 ( Il-seok Oh ) 한국정보처리학회 2020 한국정보처리학회 학술대회논문집 Vol.27 No.2
This paper proposes a novel automated liver segmentation using Multi-Dilated U-Nets. The proposed multidilation segmentation model has the advantage of considering both local and global shapes of the liver image. We use the CT images subject-wise, every 2D image is concatenated to 3D to calculate the IOU score and DICE score. The experimental results on Jeonbuk National University hospital dataset achieves better performance than the conventional U-Net.