Основные понятия
딥 컨볼루션 신경망, 전이 학습 및 앙상블 모델을 이용하여 유방암 탐지 및 분류 정확도를 향상시킬 수 있다.
Аннотация
이 연구는 유방암 탐지 및 분류를 위해 6가지 CNN 모델(SE-ResNet152, MobileNetV2, VGG19, ResNet18, InceptionV3, DenseNet-121), 전이 학습, 앙상블 모델을 비교 분석하였다.
실험 결과, 6가지 CNN 모델 중 DenseNet-121이 가장 높은 99%의 정확도를 보였다. 그러나 전이 학습을 적용한 경우 오히려 정확도가 감소하였다. 이는 전이 학습 시 원본 데이터와 다른 도메인의 데이터를 사용하면 성능이 저하될 수 있기 때문이다.
마지막으로 DenseNet-121, InceptionV3, ResNet18을 결합한 앙상블 모델 'DIR'을 제안하였다. 이 모델은 99.94%의 가장 높은 정확도를 달성하였다. 이를 통해 앙상블 모델이 단일 CNN 모델보다 유방암 탐지 및 분류 성능을 향상시킬 수 있음을 확인하였다.
Статистика
유방암 탐지 및 분류 정확도가 가장 높은 DenseNet-121 모델은 99%의 정확도를 달성하였다.
전이 학습을 적용한 경우 정확도가 감소하였다.
앙상블 모델 'DIR'은 99.94%의 가장 높은 정확도를 달성하였다.
Цитаты
"딥 컨볼루션 신경망, 전이 학습 및 앙상블 모델을 이용하여 유방암 탐지 및 분류 정확도를 향상시킬 수 있다."
"DenseNet-121 모델이 가장 높은 99%의 정확도를 달성하였다."
"앙상블 모델 'DIR'은 99.94%의 가장 높은 정확도를 달성하였다."