• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2021.10a
• /
• pp.655-657
• /
• 2021

It is challenging to find breast ultrasound image training dataset to develop an accurate machine learning model due to various regulations, personal information issues, and expensiveness of acquiring the images. However, studies targeting transfer learning for ultrasound breast cancer images classification have not been able to achieve high performance compared to radiologists. Here, we propose an improved transfer learning model for ultrasound breast cancer classification using publicly available dataset. We argue that with a proper combination of ImageNet pre-trained model and optimizer, a better performing model for ultrasound breast cancer image classification can be achieved. The proposed model provided a preliminary test accuracy of 99.5%. With more experiments involving various hyperparameters, the model is expected to achieve higher performance when subjected to new instances.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2003.09b
• /
• pp.166-169
• /
• 2003

유전자에 대한 정보를 획득하는 기술적인 문제가 해결되면서, 질병 진단을 위한 새로운 접근 방법으로 혈액 속에 있는 모든 단백질(proteome)의 구성을 분석하는 프로테오믹스(proteomics)에 대한 연구가 최근 들어 활발하게 진행되고 있다. 본 논문은 암 진단을 위하여 혈액 중의 단백질의 구성을 측정한 2차원 전기영동 (2D electrophoresis) 젤 데이터를 해석하는 새로운 방법을 제시하였다. 우선 측정된 많은 단백질 스팟(spot) 중에서 T-statistics 방법으로 단백질 스팟들을 선택하였다. 선택된 단백질 스팟들로 이루어진 암 환자와 정상인 두 샘플들의 확률 분포를 각 집단에 따로 적용된 PCA 영역에서 계산하였다. 최종적으로 조건부 확률의 차이에 근거한 베이즈 분류(Bayes classification) 이론을 적용하여 암 진단을 하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04c
• /
• pp.356-358
• /
• 2003

DNA microarray기술의 발달로 한꺼번에 수천 개 유전자의 발현 정보를 얻는 것이 가능해졌는데, 이렇게 얻어진 데이터를 효과적으로 분류하는 시스템을 만들어놓으면 새로운 샘플이 정상상태인지, 질병을 가진 상태인지 예측할 수 있다. 분류 시스템을 위하여 여러 가지 특징선택방법들과 분류기법들을 사용할 수 있는데, 모든 상황에서 항상 뛰어난 성능을 보이는 특징선택법이나 분류기를 찾기는 힘들다. 안정되고 개선된 성능을 내기 위해서 특징-분류기의 앙상블을 이용할 수 있는데, 앙상블에 이용될 수 있는 특징선택 방법이나 분류기의 수가 많다면, 앙상블을 만들 수 있는 조합이 많아지기 때문에, 모든 조합에 대하여 앙상블 결과를 구하기는 거의 불가능하다. 이를 해결하기 위하여 본 논문에서는 유전자알고리즘을 이용하여 모든 앙상블 결과를 계산하지 않으면서 최적의 앙상블을 찾아내는 방법을 제안하였으며, 실제로 림프종 암 데이터에 적용한 결과 100%의 결합결과를 보이는 최적의 앙상블을 효과적으로 찾아내었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.04b
• /
• pp.295-297
• /
• 2001

최근 생물 유전자 정보를 효과적으로 분석하기 위한 적절한 도구의 필요성이 대두되고 있다. 본 논문에서는 백혈병 환자의 골수로부터 얻어낸 DNA Microarray 유전 정보를 분류하여 환자가 가지고 있는 암의 종류를 예측하기 위한 최적의 특징추출방법과 분류 방법을 찾고자 한다. 이를 위해 피어슨 상관관계, 유클리디안 거리, 코사인 계수, 스피어맨 상관관계, 정보 이득, 상호 정보, 신호 대잡음비의 7가지 특징 추출 방법을 사용하였으며, 역전과 신경망, 의사결정 트리, 구조 적응형 자기구성 지도, $textsc{k}$-최근접 이웃 등 가지의 기계학습 분류기를 이용하여 분류 실험을 하였다. 실험결과, 피어슨 상관관계와 역전파 신경망을 이용한 분류 방법이 97.1%의 인식률을 보임을 알 수 있었다.

• Journal of Practical Engineering Education
• /
• v.16 no.1_spc
• /
• pp.59-64
• /
• 2024

As the aging population grows, the incidence of cancer is increasing. Skin cancer appears externally, but people often don't notice it or simply overlook it. As a result, if the early detection period is missed, the survival rate in the case of late stage cancer is only 7.5-11%. However, the disadvantage of diagnosing, serious skin cancer is that it requires a lot of time and money, such as a detailed examination and cell tests, rather than simple visual diagnosis. To overcome these challenges, we propose an Attention-based CNN model skin cancer classification system. If skin cancer can be detected early, it can be treated quickly, and the proposed system can greatly help the work of a specialist. To mitigate the problem of image data imbalance according to skin cancer type, this skin cancer classification model applies the Over Sampling, technique to data with a high distribution ratio, and adds a pre-learning model without an Attention layer. This model is then compared to the model without the Attention layer. We also plan to solve the data imbalance problem by strengthening data augmentation techniques for specific classes.

• Proceedings of the KSCN Conference
• /
• 2004.05a
• /
• pp.414.2-415
• /
• 2004

유방암은 아시아나 남ㆍ동부 유럽에 비하여 서구 국가에서 발생 빈도와 사망률이 높아western disease로 분류되는 질병이었으나, 최근 우리나라에서도 식생활의 서구화로 인해 그 발생 빈도가 증가하여 현재 여성암의 1위를 차지하는 주요 질환이다. 서구에서는 유방암의 발생률이 높아 일찍부터 유방암에 대한 연구 결과가 누적되어 있으나 우리나라에서는 유방암의 발생요인과 관련된 식이조사나 생활습관 등에 관한 조사 연구가 부족한 실정이다.(중략)

• Journal of the Korea Society for Simulation
• /
• v.20 no.2
• /
• pp.77-85
• /
• 2011

It is believed that the anomalies or diseases of human organs are identified by the analysis of the patterns. This paper proposes a new classification technique for the identification of cancer disease using the proteome patterns obtained from two-dimensional polyacrylamide gel electrophoresis(2-D PAGE). In the new classification method, three different classification methods such as support vector machine(SVM), multi-layer perceptron(MLP) and k-nearest neighbor(k-NN) are extended by multi-boosting method in an array of subclassifiers and the results of each subclassifier are merged by ensemble method. Genetic algorithm was applied to obtain optimal feature set in each subclassifier. We applied our method to empirical data set from cancer research and the method showed the better accuracy and more stable performance than single classifier.

• Explosives and Blasting
• /
• v.20 no.3
• /
• pp.25-38
• /
• 2002

터널 굴착선 여굴(Overbreak)은 발파공법에 의한 괄착 중에 필연적으로 발생하는 현상으로서 숏크리트, 라이닝 등의 보강비 추가 발생과 버력 처리량의 증대로 공기 및 공사비를 증가시키는 주요한 요인으로 작용한다. 또한 터널 굴착선 암반의 손상으로 균열층이 형성되거나 부석이 발생하여 안전문제를 야기시키기도 한다. 이러한 여굴 발생은 천공오차, 발파패턴의 오류, 잘못된 화약선정, 불규칙한 암반 특성 등에 그 원인이 있으나, 지금까지 터널 여굴은 천공 및 발파기술에 의해 좌우된다라는 인식이 대부분이었다. 그러나 여굴 발생에 중요한 원인으로 터널 굴착선 암반의 특성과 이에 적합한 발파패턴 및 화약류를 들 수 있다. 본 연구는 여굴 발생에 영향을 미치는 암반상태를 파악하기 위해서 터널 굴착선 주변암반의 균열정도, 강도, 불연속면의 간격, 방향, 간극, 충전물 상태 등의 6가지 요소를 이용하여 암반을 분류하는 발파암 분류법(BI)을 새로 제안하였고, 이 분류에 따라 외곽 공의 간격과 장약밀도를 달리 하는 발파패턴을 정립하였다. 또한 화약의 순폭도와 Air Deck 효과를 이용하여 장약밀도를 조절할 수 있는 N.D.C(New Deck Charge) 발파공법을 개발함으로써 여굴을 최소화할 수 있었다.

• Journal of the Korea Society of Computer and Information
• /
• v.26 no.7
• /
• pp.9-17
• /
• 2021

In this study, we propose a part of the CDSS(Clinical Decision Support System) study, a system that can classify chemotherapy, one of the treatment methods for colorectal cancer patients. In the treatment of colorectal cancer, the selection of chemotherapy according to the patient's condition is very important because it is directly related to the patient's survival period. Therefore, in this study, chemotherapy was classified using a machine learning algorithm by creating a baseline model, a pathological model, and a combined model using both characteristics of the patient using the individual and pathological characteristics of colorectal cancer patients. As a result of comparing the prediction accuracy with Top-n Accuracy, ROC curve, and AUC, it was found that the combined model showed the best prediction accuracy, and that the LGBM algorithm had the best performance. In this study, a chemotherapy classification model suitable for the patient's condition was constructed by classifying the model by patient characteristics using a machine learning algorithm. Based on the results of this study in future studies, it will be helpful for CDSS research by creating a better performing chemotherapy classification model.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04c
• /
• pp.434-436
• /
• 2003

DNA칩 기술로 얻어지는 유전자발현데이터(gene expression data)는 생채 조직이나 세포의 수천개에 달하는 유전자의 발현량(expression level)을 측정한 것으로, 유전자발현양상(gene expression pattern)에 기반한 암 종류의 분류 등에 유용하다. 본 논문에서는 확률그래프모델(probabilistic graphical model)의 하나인 베이지안망(Bayesian network)을 발현데이터의 분류에 적응하며, 분류 성능을 높이기 위해 베이지안망의 앙상블(ensemble of Bayesian networks)을 구성한다. 실험은 실제 암 조직에서 추출된 유전자발현데이터에 대해 행해졌다 실험 결과, 앙상블 베이지안망의 분류 정확도는 단일 베이지안망보다 높았으며, naive Bayes 분류기, 신경망, support vector machine(SVM) 등과 대등한 성능을 보였다.