[3줄 논문 리뷰] 딥러닝 모델에 따른 당뇨성 망막질환안저영상의 자동진단 성능평가 (부산가톨릭대학교 대학원/김지윤 박사학위 논문)

카페에서 이력정리 하다가, 문득 국비교육으로 진행하고 있는 

머신/딥러닝 학습 참고할 수 있는 논문 RISS 검색을 통해 시사점을 발견하고자 블로그 포스팅 시작!

---

■ 리뷰 

 

- 논문 검색 배경

 : 의료정보를 바탕으로 딥러닝 모델 적용 가능성에 대한 궁금함 

  안구정보 바탕으로 질병에 대한 예방적 접근, 상태점검 파악이 가능한지 궁금함 

 

- 느낀 점 

안저영상(Fundus image)을 분류할 수 있도록 이미지사이즈, 기초 정보는 캐글 등에서 공유한 자료 기반이라

의료정보 학습진행은 역시 어렵다는 것을 느꼈음.

 

해당 논문을 전체 이해하기는 어려웠지만, 여러 딥러닝 모델을 학습/예측 검증을 통해서

7가지 모델에서 유효수치를 보인 것을 최종 결정하기까지 과정이 험난하지만 정확도에 가깝게 가기 위한

움직임으로 판단됨. 

* 7가지 모델 

( Inception V3, VGGNet 19, ResNet 50, DensNet 121, Xception, Inception, ResNet V2, EfficientNet B5 )

 

최종 결과로는...

Inception V3는 72.22%
VGGNet 19는 67.78%, 
ResNet 50은 76.67%, 
DenseNet 121은 80.00% (정확도 근접!) 
 Xception은 73.33%,
 Inception ResNet V2 74.44%, 
EfficientNet B5는 73.89% 

 

 

 

- 주요 페이지 (논문 중 ..) 

 

p74 
DenseNet은 덴스 연결구조(Dense connectivity)를 제안했다. DenseNet은 이미
지 데이터의 경우, 저수준의 특징들이 잘 보존되고, 그레이디언트가 수월하게
흘러 그레이디언트 소멸 문제가 발생하지 않으며, 깊이에 비하여 파라미터 수가
적기에 연산량이 절약됨과 동시에 적은 데이터 세트에서도 비교적 잘 학습이
된다는 장점이 있다(Gao Huang et al. 2016). 

 

이 부분을 중심으로 주요 페이지 캡쳐 / 탐구 진행 

]

 

 

---

● 검색: RISS 학술연구정보 서비스 

 

 

● 링 크  (바로가기) 

http://www.riss.kr/search/detail/DetailView.do?p_mat_type=be54d9b8bc7cdb09&control_no=99f1f572fe49a08cffe0bdc3ef48d419