المفاهيم الأساسية
CT 스캔 데이터에서 중요한 공간-슬라이스 특징을 효과적으로 추출하여 COVID-19 진단 성능을 향상시킬 수 있다.
الملخص
이 연구는 COVID-19 진단을 위한 CT 스캔 데이터 처리 방법을 제안한다. CT 스캔 데이터에는 해상도와 슬라이스 수의 차이로 인한 많은 잡음과 불필요한 정보가 포함되어 있어, 이를 효과적으로 제거하는 것이 중요하다.
제안하는 SSFL++ 방법은 다음과 같은 단계로 구성된다:
공간 단계: 저주파 필터링과 이진화를 통해 폐 영역을 효과적으로 추출한다.
슬라이스 단계: 이진 팽창 알고리즘을 사용하여 폐 영역의 면적을 계산하고, 최적의 슬라이스 범위를 선택한다.
이를 통해 CT 스캔 데이터의 70% 이상의 불필요한 정보를 제거할 수 있다. 또한 제안하는 KDS 방법은 커널 밀도 추정을 활용하여 가장 중요한 슬라이스를 선택함으로써, 2D CNN 모델의 성능을 향상시킬 수 있다.
실험 결과, 제안 방법은 COVID-19-CT-DB 데이터셋에서 우수한 성능을 보였으며, 특히 적은 양의 데이터로도 강건한 성능을 나타냈다.
الإحصائيات
CT 스캔 데이터에서 SSFL++를 통해 공간 차원에서 약 41.82%, 슬라이스 차원에서 약 49.83%, 전체적으로 약 70.82%의 불필요한 정보를 제거할 수 있었다.
اقتباسات
"CT 스캔에는 많은 잡음과 불필요한 정보가 포함되어 있어, 이를 효과적으로 제거하는 것이 중요하다."
"제안하는 SSFL++ 방법은 CT 스캔 데이터에서 70% 이상의 불필요한 정보를 제거할 수 있다."
"KDS 방법은 2D CNN 모델의 성능을 향상시킬 수 있다."