김한웅 외., 2017, 폐 결절 검출을 위한 합성곱 신경망의 성능 개선

# 세줄요약 #

1. 폐 영상 CAD(Computer Aided Detection) 시스템에서 결절과 비 결절(3mm 이상 결절, 3mm 이하 결절, 결절이 아닌 병변)로 구성된 ROI 영상을 분류하는 합성곱 신경망을 제안.
2. LIDC 데이터셋을 사용하였으며, Hounsfiled Unit으로 변환하여 Window Setting으로 전처리한 이미지에서 방사선 전문의들의 판독결과를 바탕으로 ROI 영상 61404(Train Set: 52623, Test Set: 8781) 장을 추출.
3. 총 14개의 레이어로 이루어진 합성곱 신경망(Convolution Layer = 8, Fully Connected Layer = 4)에 L1, L2 Nomalization, Data Augmentation 등을 사용하여 과적합을 완화하였으며 모든 기법을 적용한 최종 결과는 93.66%(L1 Norm. + Data Aug.), 93.75%(L2 Norm. + Data Aug.)의 정확도를 보였다.

 

# 상세리뷰 #

전처리 과정

사용한 합성곱 신경망 구조

학습 결과

 

* Reference: Kim, H., Kim, B., Lee, J., Jang, W. S., & Yoo, S. K. (2017). 폐 결절 검출을 위한 합성곱 신경망의 성능 개선. 대한의용생체공학회:의공학회지, 38(5), 237–241. https://doi.org/10.9718/JBER.2017.38.5.237