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
김두영 (국립부경대학교) 원지혜 (국립부경대학교)
저널정보
한국정보통신학회 한국정보통신학회논문지 한국정보통신학회논문지 제29권 제3호
발행연도
2025.3
수록면
320 - 326 (7page)
DOI
10.6109/jkiice.2025.29.3.320

이용수

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

초록· 키워드

오류제보하기
본 연구는 신장암 진단의 정확성을 높이기 위해 딥러닝 기반의 의료 영상 분할 모델인 U-Net과 U-Net++의 성능을 비교하였다. 신장 및 신장 종양의 분할을 목적으로, 2023 Kidney and Kidney Tumor Segmentation Challenge에서 제공된 CT 데이터를 활용하였다. 데이터셋은 신장암 환자의 다양한 특성을 반영하며, 훈련, 검증, 테스트 데이터로 나누어 분석을 진행하였다. 데이터 전처리 과정에서는 이미지의 다운샘플링과 정규화를 수행하여 모델 학습의 효율성과 안정성을 확보하였다. 실험 결과, U-Net++ 모델은 U-Net에 비해 신장 및 종양 분할에서 더 높은 평균 교집합 비율(mIoU)을 기록하였으며, 특히 종양 분할에서 두드러진 성능 향상을 보였다. 이는 U-Net++의 구조적 개선점인 재설계된 skip pathways와 심층 지도 학습(Deep Supervision) 기법이 성능 향상에 기여했음을 보여준다. 본 연구는 딥러닝을 활용한 신장암 진단 및 치료 계획 수립 기술의 가능성을 제시하며, 향후 의료 영상 데이터의 활용을 확대하고 임상 적용을 위한 기반을 마련할 수 있을 것으로 기대된다.

목차

요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 본론
Ⅲ. 실험 결과
Ⅳ. 결론 및 고찰
REFERENCES

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

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

최근 본 자료

전체보기

댓글(0)

0