지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 김대원
- 발행연도
- 2023
- 저작권
- 단국대학교 논문은 저작권에 의해 보호받습니다.
이용수21
이 논문의 연구 히스토리 (3)
2023
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
눈이 뿌옇게 흐려져 눈앞이 잘 보이지 않는 질병을 백내장이라고 한다. 백내장을 진단하기 위해서는 전문의의 판단이 요구되나, 백내장을 진단하는 기준은 각 의사마다 다를 수 있어 백내장 진단 결과가 다르게 나올 수 있다. 따라서 일관된 기준에 따라 백내장을 진단할 필요가 있다. 본 논문에서는 컴퓨터로 하여금 백내장을 진단하는 연구를 수행하였다. 정상 눈의 안저사진은 선명하게 보이지만 백내장에 걸린 눈의 안저사진은 약간 흐리게 보인다. 이는 각 사진마다 주파수 성분의 차이가 있음을 의미한다. 그래서 본 연구에서는 이러한 특성을 이용하여 안저사진을 주파수 영역의 사진으로 변환하여 입력 데이터로 사용하였다. 다음으로 이미지 분류에 사용되는 인공지능 기법인 합성곱 신경망을 사용하여 백내장 여부를 분류하였는데, 합성곱 신경망은 계층 구조에 따라 성능의 차이를 보인다. 따라서 본 논문에서는 다양한 구조의 합성곱 신경망을 설계하여 성능을 측정하고 가장 양호한 결과가 나오는 모델을 택하여 결과물로 제시하였다. 본 연구내용은 안저사진을 푸리에 변환과 이산 코사인 변환 하는 과정을 포함하며 최종 연구 결과 분류 정확도로 96.69%를 보였다
목차
국문초록 ⅰList of Tables ⅴList of Figures ⅵⅠ. 서론 1Ⅱ. Related Work 42.1 인공지능을 이용한 백내장 진단 42.2 의료 분야와 인공지능 52.3 CNN을 이용한 이미지 분류 6Ⅲ. Cataract Classification Using Frequency Domain Features and CNN 73.1 Frequency Domain Features 73.1.1 백내장 안저영상 83.1.2 Fast Fourier Transformation 93.1.3 Discrete Cosine Transform 113.2 Classification using Deep Learning 133.3 CNN Algorithms 143.3.1 AlexNet 153.3.2 VGGNet 163.3.3 ResNet 183.3.4 Inception-v4 193.4 CNN 모델과 그 구조 20Ⅳ. Experiment and Results 254.1 실험 264.1.1 데이터셋 264.1.2 전처리 274.1.3 실험 환경 294.1.4 분석 및 평가 방법 304.2 실험 결과 314.2.1 RAW224 314.2.2 FFT224 324.2.3 DCT224 334.2.4 RAW224, FFT224, DCT224 결과 정리 344.3 CNN 자체 모델 35Ⅴ. Comparison and Discussion 385.1 RAW224, FFT224, DCT224 결과 비교 395.2 타 CNN과의 비교 분석 405.3 타 선행연구와의 비교 42Ⅵ. 결론 43참고문헌 44Abstract 49
최근 본 자료
댓글(0)
0