http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
뇌졸중 환자의 뇌 병변 분할 영상 예측을 위한 딥러닝 모델 및 학습 방법
양현(Hyun Yang),정수민(Sumin Jung),Vuong Thi Le Trinh,Bui Cao Doanh,Wang Jiamu,노홍기(Honggee Roh),김현정(Hyunjeong Kim),곽진태(Jin Tae Kwak) 대한전자공학회 2024 대한전자공학회 학술대회 Vol.2024 No.6
In this study, we investigate deep learning models for an effective and efficient lesion segmentation in 3D brain diffusion weighted images (DWI). For image segmentation, convolution neural networks (CNN) and Transformer-based models are widely used. CNNs excel at extracting local features, while Transformer-based models excel at extracting global features. Herein, we employ 2 CNN models (3D-Unet and 3D-UNet++) and 2 Transformerbased models (3D-MobileViT and 3D-SwinUNetR) for brain lesion segmentation. To evaluate the four models, DWI and ADC (apparent diffusion coefficient) of 651 brain stroke patients are used as train, validation, and test set in this study. The experimental results demonstrate that deep learning models are able to successfully segment stroke lesion but their performance varies depending on the size and frequency of the lesion among patients.
데이팅 앱의 사용 동기의 변화와 그에 따른 사용 양상의 변화 - Tinder 국내 사용자 경험을 중심으로
김효림(Hyolim Kim),오서림(Seolim Oh),이가은(Gaeun Lee),정수민(Sumin Jung),정규하(Kyuha Jung),임하진(Hajin Lim) 한국HCI학회 2023 한국HCI학회 학술대회 Vol.2023 No.2
최근 데이팅 앱은 연애 상대를 찾기 위한 목적에서 나아가 다양한 관계의 만남을 지원하는 개념으로 확장되었다. 하지만 대다수의 기존 연구에서는 데이팅 앱 사용의 다양한 동기 양상에 대해 다루기 보다는, 성적이고 단기적인 관계를 찾는 앱으로서만 다뤄져 왔다. 따라서 본 연구는 국내의 Tinder(틴더) 사용자를 대상으로 이들의 다층적인 틴더 사용 동기에 초점을 추고 그에 따른 행동 양상 및 전략의 변화를 반구조적 인터뷰를 통해 탐구하였다. 연구 결과 대다수의 사용자들이 틴더 사용 초기 특정한 관계에 대한 동기를 가지고 시작하기 보다는, 오락과 같은 비관계적 동기를 더 크게 가지는 것으로 나타났다. 하지만 대다수의 사용자들은 틴더를 지속적으로 사용함에 따라, 관계적 동기를 동시에 추구하는 경향을 보였으나, 자신이 추구하는 관계의 유형에 대해 명확한 경계를 짓지 않으려는 태도가 나타났다. 위와 같은 연구 결과에 기반하여, 데이팅 앱 디자인의 개선방안에 대해 논의한다.
디지털 병리 대장암 분화도 예측을 위한 순서학습 기반 비전 트랜스포머 기술
이주천(Ju Cheon Lee),이재웅(Jae Ung Lee),Vuong Thi Le Trinh,Wang Jiamu,JiangKan,변근호(Keunho Byeon),정수민(sumin Jung),Anh Tien Nguyen,Bui Cao Doanh,곽진태(Jin Tae Kwak) 대한전자공학회 2023 대한전자공학회 학술대회 Vol.2023 No.6
We propose a deep learning based digital pathology method that can classify colorectal cancers from digitized whole slide images. The conventional digital pathology methods approach cancer grading as a categorical classification problem, where the goal is to classify them into appropriate classes. However, in the case of cancer cells, the higher the grade or differentiation of each class, the poorer the condition of the cancer is, making simple categorical classification insufficient to address this issue. Therefore, in this paper, we formulate cancer grading as both categorical and ordinal classification problems and conduct two cancer grading tasks simultaneously. To achieve this, we build a deep learning model based on vision transformer and order learning. The proposed method is evaluated using a colorectal tissue dataset. Experimental results show that our method is able to accurately classify cancer grades and outperforms other competing models.