메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
Rubina Akter Rabeya (Inje University) Shah Muhammad Imtiyaj Uddin (Inje University) Kamran Hussin Chowdhury (Inje University) Heung-Kook Choi (Inje University) Hee-Cheol Kim (Inje University)
저널정보
한국정보통신학회 한국정보통신학회논문지 한국정보통신학회논문지 제29권 제2호
발행연도
2025.2
수록면
149 - 160 (12page)
DOI
10.6109/jkiice.2025.29.2.149

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
DeepLesionNet은 피부 병변을 자동으로 분할하고 분류하도록 설계된 고급 합성곱 신경망(CNN)입니다. 이 모델은 30,000개의 이미지와 해당 분할 마스크로 구성된 대규모 데이터셋을 활용하여 7가지 병변 유형을 커버하여 외관, 크기, 색상 및 질감의 다양성을 보장합니다. DeepLesionNet은 새로운 이중 작업 전략을 사용하여 병변 분할 및 분류를 동시에 관리하여 정확도를 높이고 계산 복잡성을 줄입니다. 모델의 정교한 특징 추출과 다중 스케일 학습 기능을 통해 병변 모양, 색상 분포 및 질감의 미묘한 패턴을 감지할 수 있어 정확한 진단에 매우 중요합니다. 광범위한 테스트를 통해 92.81%의 다이 계수와 96.18%의 분류 정확도를 입증했습니다. 이 고성능 프레임워크는 피부과 전문의가 보다 정확하고 시의적절한 진단 결정을 내릴 수 있도록 도와주며, 궁극적으로 수술 계획, 환자 관리 및 결과를 개선합니다. DeepLesionNet의 정밀한 병변 분석은 기존 방법에 비해 상당한 이점을 제공하여 흑색종 및 기타 피부 종양의 조기 발견을 개선하고 글로벌 생존율을 향상시킬 수 있습니다.

목차

요약
ABSTRACT
Ⅰ. Introduction
Ⅱ. Materials and Methodology
Ⅲ. Result and Discussion
Ⅳ. Conclusion
REFERENCES

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0