피셔 분별 사전학습을 이용해 개선된 Sparse 표현 기반 악성 종괴 검출Improvement of Sparse Representation based Classifier using Fisher Discrimination Dictionary Learning for Malignant Mass Detection

Cited 0 time in webofscience Cited 0 time in scopus
  • Hit : 575
  • Download : 0
DC FieldValueLanguage
dc.contributor.author김성태ko
dc.contributor.author이승현ko
dc.contributor.author민현석ko
dc.contributor.author노용만ko
dc.date.accessioned2013-08-08T02:31:48Z-
dc.date.available2013-08-08T02:31:48Z-
dc.date.created2013-08-01-
dc.date.created2013-08-01-
dc.date.created2013-08-01-
dc.date.issued2013-05-
dc.identifier.citation멀티미디어학회논문지, v.16, no.5, pp.558 - 565-
dc.identifier.issn1229-7771-
dc.identifier.urihttp://hdl.handle.net/10203/174215-
dc.description.abstractX-ray를 이용한 여성의 유방암 검사인 유방조영술은 유방암의 초기 단계에서의 진단을 위한 효과적인 방법이다. 컴퓨터 지원 검출(CAD) 시스템은 유방조영술을 통한 진단 시 의사가 놓치기 쉬운 유방암의 징후인 종괴의 검출을 도와 유방암 진단율을 높이는 수단이다. 종괴는 다양한 모양을 지니며 경계가 뚜렷하지 않기 때문에 검출이 어렵고 결과적으로 비-종괴 영역을 포함한 많은 수의 종괴 후보영역이 CAD 시스템에서 검출된다. 따라서 CAD 시스템 설계 시 검출된 많은 수의 종괴 후보영역으로부터 실제 악성 종괴 영역을 분류할 수 있도록 우수한 성능의 분류기가 요구된다. 본 논문에서는 피셔 분별 사전학습을 통해 개선된 Sparse 표현(SR) 기반 분류방법을 제안한다. 개선된 SR 기반 분류기가 기존의 CAD 시스템에서 주로 사용되어온 Support Vector Machine (SVM) 분류기 보다 우수함을 비교실험을 통해 확인했다.-
dc.languageKorean-
dc.publisher한국멀티미디어학회-
dc.title피셔 분별 사전학습을 이용해 개선된 Sparse 표현 기반 악성 종괴 검출-
dc.title.alternativeImprovement of Sparse Representation based Classifier using Fisher Discrimination Dictionary Learning for Malignant Mass Detection-
dc.typeArticle-
dc.type.rimsART-
dc.citation.volume16-
dc.citation.issue5-
dc.citation.beginningpage558-
dc.citation.endingpage565-
dc.citation.publicationname멀티미디어학회논문지-
dc.identifier.kciidART001770470-
dc.contributor.localauthor노용만-
dc.contributor.nonIdAuthor김성태-
dc.contributor.nonIdAuthor이승현-
dc.contributor.nonIdAuthor민현석-
dc.subject.keywordAuthorComputer-Aided detection(컴퓨터 지원검출)-
dc.subject.keywordAuthorBreast masses(유방 종괴)-
dc.subject.keywordAuthorSparse representation (Sparse 표현)-
dc.subject.keywordAuthorDictionary learning(사전학습)-
Appears in Collection
EE-Journal Papers(저널논문)
Files in This Item
There are no files associated with this item.

qr_code

  • mendeley

    citeulike


rss_1.0 rss_2.0 atom_1.0