간단한 아세토 인식 시스템을 통한 데이터셋 전처리

Find AI Tools

No difficulty

No complicated process

Find ai tools

Home AI News KR 간단한 아세토 인식 시스템을 통한 데이터셋 전처리

간단한 아세토 인식 시스템을 통한 데이터셋 전처리

서론

안녕하세요! 저는 의학 학생이자 인도네시아 대학 의학부의 연구원인 아리프 푸르남 무하람입니다. 오늘은 저희의 연구인 "간단한 아세토 인식 수준 조절 시스템을 통한 인공지능 데이터셋 전처리"에 대해 알려드리겠습니다. 이 연구는 인도네시아에서 자궁경부암이 여성들 사이에서 두 번째로 흔한 악성 종양이라는 배경으로 출발합니다. 자궁경부암은 진단 의료 검사를 통해 진행을 막을 수 있는 질환으로 알려져 있습니다. 저희는 시각 검사를 통한 자궁경부암 선별 검사 중 하나인 아세트산으로 시각 검사를 하는 방법을 사용합니다. 이 방법은 비용 효율적이고 보편적으로 사용되는 자궁경부암 선별 프로그램의 일환입니다. 그러나, 시각 검사 결과의 해석은 연구자에 따라 달라질 수 있습니다. 이에 인공지능 기술을 이용하여 결과의 가변성을 최소화할 수 있는 해결책을 제시하고자 합니다. 이를 위해 크고 타당한 데이터셋이 필요합니다.

배경

인공지능 기술을 활용한 자궁경부암 선별 및 해석 기술을 개발하기 위해서는 대용량이며 타당한 데이터셋이 필요합니다. 대기업들은 이미 자체 데이터셋을 보유하고 있지만, 인도네시아와 같은 국가에서는 적은 자원과 유한한 데이터셋을 가지고 있습니다. 따라서 우리 연구 그룹은 기존의 데이터셋을 통합 및 분석하기 위해 웹 기반의 의료 이미지 저장소 시스템을 개발하였습니다. 이번 연구에서는 신경망을 이용한 자동 이미지 분류 시스템을 적용하여 데이터셋을 구축하고자 합니다.

연구 목적

이 연구의 목적은 웹 기반의 의료 이미지 저장소 시스템을 구축하고 자동 음식 기반 이미지 분류 시스템을 개발하는 것입니다. 이를 통해 자궁경부암 선별 검사에 사용되는 시험 이미지 데이터셋을 수집하고 관리하는 것을 보다 간편하게 만들고, 강력한 인공지능 기술을 훈련시키기 위한 데이터셋을 생성합니다.

연구 방법

연구에서는 Laravel PHP 프레임워크 7th를 기반으로 한 웹 기반 시스템 플랫폼을 개발하였습니다. 이 시스템은 인텔 7 CPU E5 2.4GHz, 6GB RAM, Ubuntu 20.4 LTS, PHP 7.4.3, MySQL 8.0.23, Nginx 1.18.0에서 운영되는 서버에 배포되었습니다. 연구에서는 868개의 미분류 via 테스트 이미지를 수집하였으며, 이를 5개의 무작위 그룹으로 나누고 각 그룹마다 178개의 미분류 시험 이미지를 포함하였습니다. 각 그룹은 2명의 무작위 컨설턴트에 의해 해석 및 채점되었습니다.

결과

연구 결과, 해당 시스템은 저희의 목적을 달성하는 데에 있어서 실용성과 접근성을 제공했습니다. 첫째, 다른 분석에 사용하기 위해 via 테스트 이미지를 접근하고 분류하는 데에 있어서 실용적이었습니다. 둘째, 웹 기반 플랫폼이므로 인터넷을 통해 접근 가능하고 사용하기 편리했습니다. 셋째, 이 시스템은 의료 이미지 저장소로 사용할 수 있으며, 사용자 인터페이스와 메소드의 주관성과 같은 부분에서 개선이 필요합니다.

토론

이 연구에서 개발한 간단한 아세트 인식 수준 조절 시스템은 자동화된 via 테스트 결과 해석을 위한 인공지능 기술 개발을 위한 초기 단계입니다. 이는 via 테스트 이미지 컬렉션을 관리하고 데이터셋을 생성하거나 데이터베이스를 생성하는 것을 목표로 합니다. 본 시스템은 인공지능 모델을 훈련시키기 위한 기반을 마련하며, 인공지능을 통한 자궁경부암 결과 해석 기술 개발에 큰 기여를 할 것으로 기대됩니다.

결론

간단한 아세트 와이트 레이블링 시스템은 웹 기반 의료 이미지 저장소 시스템으로서 자궁경부암 선별 프로그램에 대한 자동화된 via 테스트 결과 해석을 위한 초기 단계입니다. 이 시스템은 via 테스트 이미지 컬렉션을 관리하고 데이터베이스를 생성하고 인공지능 모델의 훈련을 위한 데이터셋을 생성하는 기능을 제공합니다.

시사점

이번 연구는 자궁경부암 선별 및 해석 기술 개발을 위한 초기 단계로서 중요한 시사점을 제시합니다. 먼저, 보다 강력하고 정확한 자동 via 테스트 결과 해석 기술을 개발하기 위해서는 더 많은 데이터셋과 인공지능 모델의 개발이 필요합니다. 또한, 웹 기반 플랫폼의 사용성 및 주관성에 대한 추가적인 개선이 필요합니다. 이러한 개선을 통해 다른 의료 기관이나 연구 그룹에서도 이 시스템을 활용할 수 있는 환경 구축이 가능할 것입니다.