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

논문 기본 정보

자료유형
학위논문
저자정보

최바름 (울산대학교, 울산대학교 일반대학원)

지도교수
주세경
발행연도
2017
저작권
울산대학교 논문은 저작권에 의해 보호받습니다.

이용수15

표지
AI에게 요청하기
추천
검색

이 논문의 연구 히스토리 (2)

초록· 키워드

오류제보하기
최소 침습 수술의 한 유형인 복강경 수술은 개복 수술에 비해 수술로 인한 상처 부위가 작아서 회복 속도가 빠르며 통증 또한 줄일 수 있기 때문에 다양한 분야의 수술에 활용되고 있다. 또한 자동화 및 지능적인 수술을 위해 복강경 수술용 로봇이 개발되고 있으며, 1999년에 Intuitive Surgical사에서 다빈치 수술시스템 (da Vinci® Surgical System)을 출시한 이후에 로봇을 이용한 수술에 대한 관심과 수요가 증가하고, 관련된 다양한 연구가 진행되면서 큰 발전을 이루었다. 하지만 일반적으로 복강경수술에 사용되는 로봇시스템은 좁은 시야와 좁은 수술 공간, 부족한 촉감 피드백 등의 문제점들로 인해 수술 중 장기 및 조직에 구멍을 내거나 수술도구 간의 충돌로 수술도구를 손상시킬 수 있다. 따라서 수술 중 영상에서 수술도구의 위치를 검출하는 다양한 시도와 연구가 이루어지고 있다. 그러나 복강경 수술 영상에서 수술도구에 피가 묻거나 시간에 따라 변하는 조도, 호흡과 심장박동으로 인해 움직이는 장기, 반사광 등의 다양한 특성들로 인해 효과적으로 검출하는 데에 어려움이 따르고 있다.

본 논문에서는 딥러닝의 한 종류인 컨볼루션 신경망(Convolutional Neural Network)을 이용하여 복강경 수술 중 수술도구의 클래스를 분류하고 실시간으로 검출하는 데에 적합한 모델을 제안하고자 한다. 컨볼루션 신경망을 학습시키기 위해 담낭 적출 수술 영상m2cai16-tool dataset(M2CAI 2016)을 기반으로 Grasper, Bipolar, Hook, Clipper, Scissors, Irrigator, Specimen bag의 7개의 수술도구 클래스로 구분하였으며, 17941장의 데이터 셋을 구성하였다. 실시간으로 수술도구를 검출하기 위해서YOLO의 Unified Detection알고리즘을 적용하였다. 또한, 제안한 수술도구 검출 모델의 성능을 정량적으로 측정하기 위해 검출률(recall), 정밀도(precision) 및 FPS(frame per second)를 계산하여 비교하였다.

목차

요약 i
표 목차 iii
그림목차 iv
서론 1
1. 연구 배경 1
2. 관련연구 3
2.1 마커기반 수술도구 추적 3
2.2 이미지기반 수술도구 추적 5
2.3 인공 신경망 8
2.4 컨볼루션 신경망 10
2.4.1 컨볼루션 계층 11
2.4.2 풀링 계층 12
2.5 컨볼루션 신경망을 이용한 이미지 인식 연구 13
2.6 YOLO(You Only Look Once) 15
연구방법 19
1. 데이터 셋 19
2. 제안하는 컨볼루션 신경망 구조 22
3. 실험 계획 25
연구 결과 및 고찰 27
결론 37
참고문헌 38
영문요약 42

최근 본 자료

전체보기

댓글(0)

0