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

주제분류

정기구독(개인)

소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.

회원혜택

로그인 회원이 가져갈 수 있는 혜택들을 확인하고 이용하세요.

아카루트

학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.

영문교정

영문 논문 작성에 도움을 드리기 위해, 영문 교정 서비스를
지원하고 있어요.

고객센터 제휴문의

...

저널정보

저자정보

  • 고두현 (금오공과대학교)
  • 최세운 (금오공과대학교)
표지
이용수
내서재
0
내서재에 추가
되었습니다.
내서재에서
삭제되었습니다.

내서재에 추가
되었습니다.
내서재에서
삭제되었습니다.

초록·키워드

오류제보하기
코로나19는 전 세계적으로 사회 전반에 걸쳐 다양한 영향을 미치고 있으며, 이러한 팬데믹의 확산으로 인한 피해를 최소화하기 위해 많은 연구들이 진행되고 있다. 특히, 인공지능기반 전이학습은 방사선 흉부영상의 신속한 진단 및 최적의 치료법 개발을 위해 다양하게 활용되고 있다. 하지만, 모델들이 가지는 연산량과 학습시간에 대한 최적화를 근거로 하여 적절한 모델을 선택하고 임상에서 적극적으로 활용하기에는 한계가 있다. 따라서, 본 연구에서는 이미지 분류에서 우수한 성능을 보이는 5가지 모델의 연산량과 이에 따른 정확도, 그리고 학습 시간과 이에 따른 정확도를 비교하여, 인공지능의 활용 시 적합한 환경에 따른 최적의 모델 선택을 가능하게 하는 것을 목적으로 한다.

The global impact of COVID-19 is manifesting in various ways across society, prompting numerous studies to mitigate the pandemic’s effects. Notably, artificial intelligence-driven transfer learning is being harnessed to expedite the diagnosis of radiological chest images and to explore diverse treatment strategies. However, there are challenges in choosing the right model that balances computational resources and learning time, and in actively applying them in clinical settings. Thus, this study aims to compare the computational load, associated accuracy, and learning time of five high-performing models in classification. This comparison seeks to guide the choice of the optimal model in different contexts when employing artificial intelligence.

목차

요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 관련 연구
Ⅲ. 학습방법
Ⅳ. 모델 성능 비교
Ⅴ. 결론
REFERENCES

참고문헌 (14)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-24-02-088249043