Deep Learning Analysis for Agricultural and Medical Imaging Diagnosis
연구 내용
식물 병해충과 유방 병변을 대상으로 영상 분할·정량 지표·다중요인 모델을 결합해 진단 성능을 개선하는 연구
영상 기반 진단에서는 촬영 환경과 병변 특성 차이가 모델 성능에 직접적인 영향을 줍니다. 본 연구는 실제 농업 현장에서 획득한 RGB 영상에 대해 딥러닝 기반 classification과 segmentation을 비교하고, 병해충 영역을 분할로 탐지하도록 모델을 구성해 오탐과 누락을 줄이는 방향으로 접근합니다. 의료 분야에서는 DWI의 apparent diffusion coefficient 지표를 히스토그램 분석으로 정량화하여 invasive lobular carcinoma의 가시성 차이를 설명하고, 초음파 영상에 임상 인자를 결합한 통합 딥러닝 모델로 작은 크기의 유방암 진단 성능을 보완합니다. 서로 다른 도메인의 영상 신호를 정량화·결합하는 공통 방법론을 보유합니다.
관련 연구 성과
관련 논문
3편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
농업 영상에서는 2022년 tomato leaf miner를 대상으로 분할 기반 DNN이 분류 대비 누락이 적게 나타나는 점을 확인하며, RGB 입력에서 유효 영역을 추출하는 체계를 구축했습니다. 의료 영상에서는 2021년 DWI에서 ADC 지표를 히스토그램 관점으로 분석해 병변의 가시성과 정량 특성을 비교하는 연구로 확장했습니다. 이어 2023년에는 초음파 영상의 시각적 특징과 임상 위험 인자를 함께 입력하여 작은 크기의 유방암을 예측하는 통합 모델을 제안하고, 단일 영상 모델 대비 결합 효과를 평가하는 흐름으로 심화했습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Detection of Tomato Leaf Miner Using Deep Neural Network
Diffusion-weighted imaging of breast invasive lobular carcinoma: comparison with invasive carcinoma of no special type using a histogram analysis
Deep learning model for the diagnosis of breast cancers smaller than 1 cm with ultrasonography: integration of ultrasonography and clinical factors