연구동향 분석
박사

딥러닝 모델에 따른 당뇨성 망막질환 안저영상의 자동진단 성능평가

김지율 2020년

논문상세정보
인용/피인용
' 딥러닝 모델에 따른 당뇨성 망막질환 안저영상의 자동진단 성능평가' 의 주제별 논문영향력
논문영향력 선정 방법
논문영향력 요약
주제
  • 딥 러닝
  • 사전학습
  • 성능 평가
  • 안저영상
  • 자동진단
동일주제 총논문수 논문피인용 총횟수 주제별 논문영향력의 평균
2,195 0

0.0%

' 딥러닝 모델에 따른 당뇨성 망막질환 안저영상의 자동진단 성능평가' 의 참고문헌

  • 활성화 함수의 근사화를 통한 MLP 가속기 구현
    이광엽 이상일 최세진 한국전기산업공학회지, 22, (1), 197-200 [2018]
  • 한국정보화진흥원 (2018). 지능정보사회 윤리 가이드라인.
    한국정보화진흥원 지능정보사회 윤리 가이드라인 [2018]
  • 한국보건산업진흥원 (2018). 인공지능(AI) 기반 의료기기 현황 및 이슈(2).
    한국보건산업진흥원 인공지능(AI) 기반 의료기기 현황 및 이슈(2) [2018]
  • 한국보건산업진흥원 (2018). 인공지능(AI) 기반 의료기기 현황 및 이슈(1).
    한국보건산업진흥원 인공지능(AI) 기반 의료기기 현황 및 이슈(1) [2018]
  • 최근 인공지능 프로젝트 동향. 정보통신기획평가원
    백정열 주간기술동향, 13-26 [2016]
  • 점프 투 파이썬
    박응용 이지스 퍼블리싱 [2016]
  • 인공지능을 이용한 안저영상 판독 기술 동향정보통신기술진흥센 터
    조현성 17-29 [2018]
  • 인공지능기반 의료영상 분석 기술 동향
    정규환 정보통신기술진흥센터, 2-13 [2018]
  • 인공지능 기술과 주요적용 산업 동향
    정동규 한국정보기술학회지, 15(2), 21-28 [2017]
  • 오지은, 김광기 2차원 의료영상에서 컴퓨터 보조 진단(Computer Aided Diagnosis)의 역할
    신승원 대한전기학회지, 64(7), 16-25 [2015]
  • 안저영상의 영역분할에 사용된 합성곱 신 경망 방식의 혈관 조영 영상의 적용
    김민영 김성민 박해준 서준호 한국정밀공학회 학술발표대회 논문집, 354-354 [2019]
  • 안과 의료영상 대상 딥러닝 연구 동향 분석 및 윤리적 이슈 고찰
    윤혜진 조정원 한국정보과학회 학술발표논문집, 927-929 [2018]
  • 신경원, 김성준, 김동민, 최흥호 초음파 영상의 딥러닝 영상분할에 서 스페클 노이즈 제거 필터의 적용이 분할 정확도에 미치는 영향에 대한 연 구
    김성철 대한전자공학회 학술대회, 595-596 [2019]
  • 성인 한국인에서 백내장에 영향을 미치는 요인 분석-당뇨와 백내장 의 관련성 중심으로-
    황일형 서울대학교 보건대학원 보건학 석사학위 논문 [2014]
  • 밑바닥부터 시작하는 딥러닝
    사이토 고키 한빛 미디어 [2017]
  • 망막혈관 검출을 위한 영상분할기법
    김경섭 김정환 서승연 송철규 한국 컴퓨터정보학회 학술발표논문집, 27(1), 397-398 [2019]
  • 딥러닝을 활용한 시계열 자료의 이상치 탐지 모델에 대한 조사
    강준혁 우요 이재길 한국정보과학회 학술발표논문집, 919-921 [2019]
  • 딥러닝을 활용한 다발성 골절 분류
    이건명 이상현 최승명 한찬식 한국지 능시스템학회 논문지, 29(4), 285-290 [2019]
  • 딥러닝을 통한 차등간격의 조향각 노드 결정에 의 한 자율주행
    김동환 김수명 김태현 제어로봇시스템학회 논문지, 25(8), 677-683 [2019]
  • 딥러닝을 이용한 데이터 소실로 인 한 훼손된 문서의 복구
    김선범 김영민 박희진 배준우 이희준 한국정보과학회 학술발표논문집, 2109-2111 [2018]
  • 딥러닝 알고리즘 개발과정을 통해 본 영상의학분야 에서 딥러닝의 최신 경향
    김명찬 도신호 송경두 대한영상의학회지, 80(2), 202-212 [2019]
  • 딥러닝 상용화를 위한 해결 과제들
    정지훈 한국정보과학회지, 37(2), 46-51 [2019]
  • 딥러닝 분석을 이용한 미세 먼지 농도 예측에 관한 연구
    김명하 김문철 나경필 송재철 심용기 임승택 대한전자공학회 학술대회, 1400-1405 [2019]
  • 딥러닝 분산처리 기술동향
    박유미 안신영 임은지 최완 한국전자통신연구 원, 31(3), 131-141 [2016]
  • 딥러닝 기술을 적용한 운전자 맞춤 형 긴급자동제동 시스템 파라메터 추출
    권오원 김창원 서준호 이동규 추준욱 제어로봇시스템학회 논문지, 25(8), 671-676 [2019]
  • 딥러닝 기술 동향: CNN과 RNN을 중심으로. 정보 통신기술진흥센터
    곽노준 김대식 박성현 주간기술동향, 13-25 [2009]
  • 딥러닝 기법을 이용한 태풍 강도 분석
    김재환 민세윤 박형민 최대성 한국 기상학회 학술대회 논문집, 95-95 [2019]
  • 딥러닝 기법을 이용한 망막 혈관 분할
    김범상 이익현 한국정보기술학회논 문지, 17(5), 77-82 [2019]
  • 딥러닝 기반의 전력수요예측을 통한 건물에서의 에너지 관리 전략. 인하대학교 대학원 전기공학과
    김남규 공학석사학위 논문 [2018]
  • 딥러닝 기반의 이미지 분류 기술 동향
    김봉모 한국통신학회지(정보와통 신), 35(12), 8-14 [2018]
  • 딥러닝 기반 암세포 사진 분류 알고리즘
    서영민 한종기 방송공학회논문 지, 23(5), 669-681 [2018]
  • 대장암 종양 분류를 위한 딥러닝 모델 연구
    곽진태 김경은 이대근 조현우 한국정보과학회 학술발표논문집, 1866-1868 [2019]
  • 당뇨병 환자의 안저검사 수검 영향요인
    안수득 유정옥 한국보건간호학회 지, 32(1), 44-55 [2018]
  • 녹내장 감별을 위한 안저영상 기반의 딥러닝 모델 개발
    정재훈 조현성 대한안과학회 학술발표지 [2018]
  • 기계학습(Machine Learning), 한빛 아카데미
    오일석 대한민국 통계청, 2019 [2017]
  • 기계학습 및 딥러닝 기술동향
    문성은 이정혁 이종석 장수범 한국통신학 회지(정보와통신), 33(10), 49-56 [2016]
  • 경량 딥러닝 기술 동향
    문용혁 민옥기 박준용 이용주 한국전자통신연구 원, 34(2), 40-50 [2019]
  • 가중치 초기화 및 매개변수 갱신 방법에 따른 컨벌루션 신 경망의 성능 비교
    김도연 박성욱 한국멀티미디어학회지, 21(4), 441-449 [2018]
  • https://www.anaconda.com/
  • https://sdc-james.gitbook.io/onebook/1./1.6./1.1.1.-jupyter-notebook
  • https://sdc-james.gitbook.io/onebook/1./1.2.-python
  • https://datascienceschool.net/view-notebook/8d34d65bcced42ef84996b5d56321ba9/
  • https://datascienceschool.net/view-notebook/6706f10f452a4d2e8095942f6e9def15/
  • https://datascienceschool.net/view-notebook/4ca30ffdf6c0407ab281284459982a25/
  • https://datascienceschool.net/view-notebook/47c57f9446224af08f13e1f3b00a774e/
  • https://datascienceschool.net/view-notebook/0faaf59e0fcd455f92c1b9a1107958c4/
  • http://tcpschool.com/deep2018/deep2018_deeplearning_framework
  • Xception : Deep learning with depthwise separable convolutions
    [2017]
  • The Wisconsin epidemiologic study of diabetic retinopathy : III . Prevalence and risk of diabetic retinopathy when age at diagnosis is 30 or more years
    102 ( 4 ) , 527-532 [1984]
  • The Wisconsin epidemiologic study of diabetic retinopathy . II . Prevalence and risk of diabetic retinopathy when age at diagnosis is less than 30 years
    102 ( 4 ) , 520-526 [1984]
  • The Measurement of Observer Agreement for Categorical Data
    33 , 159-174 [1977]
  • The Marginal Value of Adaptive Gradient Methodsin Machine Learning
    [2018]
  • SAR Target Recognition Basedon Deep learning
    2 , 541 –547 [2014]
  • SAR ATRbased on dividingCNN intoCAE and SNN
    [2015]
  • Preclinical imaging market analysis by product type ( Devices :CT , MRI , PET/SPECT , Multi-modal , Optical , Ultrasound , Photoacoustic , Reagents and Services ) and segment forecasts to 2024
    [2017]
  • Pivotal trial of an autonomous AI-based diagnostic system for detection of diabetic retinopathy in primaryCare offices
    1 , 1-39 . [2018]
  • PathNet : Evolution Channels Gradient Descent in Super Neural Networks .
    [2017]
  • Overview of epidemiologic studies of diabetic retinopathy
    14 ( 4 ) , 179-183 . [2007]
  • ON THE VARIANCE OF THE ADAPTIVE LEARNING RATE AND BEYOND
    [2019]
  • Novel Deep Learning Based Method for Retinal Lesion Detection
    [2017]
  • Meta-Learning for Medical Image Classification
    [2018]
  • Machine learning in Python
    [2015]
  • MRI 영상 및 Deep Learning을 이용한 병변 인식 알고리즘 개발
    이승규 장원희 한국정보과학회 학술발표논문집, 2137-2139 [2018]
  • Lung Cancer Detection using Co-learning from Chest CT Images and Clinical Demographics
    [2019]
  • Identity Mappings in Deep Residual Networks
    [2016]
  • ICML과 NIPS 발표논문 6,163건 메타 분석
    김대원 정수헌 카카오 AI 리포 트, 3, 6-23 [2017]
  • Group Normalization arXiv,1803.08494 ,
    [2018]
  • Global prevalence and major risk factors of diabetic retinopathy
    35 ( 3 ) , 556-564 . [2012]
  • GAN 구조의 딥러닝을 사용한 방사 선 디텍터의 화소 결함 보정
    강송희 김동식 이은애 최재영 홍은영 대한전자공학회 학술대회, 536-539 [2019]
  • Estimating the volume of the left ventricle from MRI images using deep neural networks .
    [2017]
  • EfficientNet : Rethinking Model Scaling for Convolutional Neural Networks
    [2019]
  • Dropout : a simple way to prevent neural networks from overfitting.
    15 1929-1958 [2014]
  • Development and validation of a deep learning algorithm for detection of diabetic retinopathy in retinal fundus photographs
    316 ( 22 ) , E1-E9 [2016]
  • Densely Connected Convolutional Networks
    [2016]
  • Deep learning in medical image analysis
    19 [2017]
  • Deep learning
    [2016]
  • Deep Residual Learning for Image Recognition
    [2015]
  • Deep Learning based Early Detection and Grading of Diabetic Retinopathy Using Retinal Fundus Images
    [2018]
  • Convolutional networks for images , speech , and time series . The handbook of brain theory and neural networks
    [1995]
  • Cohen ’ s kappa can always be increased and decreased by combining categories
    7 , 673-677 [2010]
  • Classification and Diagnosis of Diabetes Mellitus and Other Categories of Glucose Intolerance
    28 ( 12 ) , 1039-1057 [1979]
  • CPU 기반 장치에서 효율적인 딥러닝 추론을 위한 컨볼루션 신경망의 가속 방법의 성능 비교
    박상수 정기석 한국통신학회 학술대회논문집, 1327-1329 [2019]
  • Breaking the softmax bottleneck : A high-rank RNN language model
    [2018]
  • Batch Normalization : Accelerating Deep Network Training by Reducing Internal Covariate Shift
    [2015]
  • Automated Identification of Diabetic Retinopathy Using Deep Learning
    124 ( 7 ) , 962–969 [2017]
  • Automated Detection of Diabetic Retinopathy using Deep Learning .
    [2018]
  • Artificial intelligence using deep learning to screen for referable and vision-threatening diabetic retinopathy in Africa : a clinical validation study
    1 ( 5 ) [2019]
  • Alec Radford 's animations for optimization algorithms .
    [2016]
  • Accelerated Death of Retinal Microvascular Cells in Human and Experimental Diabetic Retinopathy
    97 ( 12 ) , 2883–2890 [1996]
  • AI 시대의 의료환경변화
    김종혁 대한외과학회 학술대회 초록집, 12-13 [2019]
  • ADAM : A method for stochastic optimization , ?
    [2017]
  • A wrapped multi-label classifier for the automatic diagnosis and prognosis of Alzheimer ’ s disease
    302 , 1-9 [2018]
  • A survey on deep learning in medical image analysis
    42 , 60-88 [2017]
  • A central role for inflammation in the pathogenesis of diabetic retinopathy
    18 ( 12 ) , 1450-1452 [2004]
  • A Deep Learning Algorithm for Prediction of Age-Related Eye Disease Study Severity Scale for Age-Related Macular Degeneration from Color Fundus Photography
    125 ( 9 ) [2018]
  • 2018 ICML을 통해 살펴보는 AI 연구 동향
    박찬연 카카오 AI 리포트, 14, 126-136 [2018]