ETRI-Knowledge Sharing Plaform

ENGLISH

성과물

논문 검색
구분 SCI
연도 ~ 키워드

상세정보

학술지 데이터 균형화 알고리즘을 이용한 CNN 기반 피부질환 이미지 분류기의 성능 분석
Cited - time in scopus Download 31 time Share share facebook twitter linkedin kakaostory
저자
김거식, 이문섭, 손동훈, 김정은, 민기현, 김계은, 강현서
발행일
202007
출처
전자공학회논문지, v.57 no.7, pp.76-82
ISSN
2287-5026
출판사
대한전자공학회
DOI
https://dx.doi.org/10.5573/ieie.2020.57.7.76
협약과제
20ZK1100, 호남권 지역산업 기반 ICT 융합기술 고도화 지원사업, 이길행
초록
본 연구에서는 클래스 불균형을 가진 피부질환 이미지 데이터셋을 딥러닝 모델을 이용하여 분류하는 문제에 있어서, 다수 클래스에 편향되지 않으면서, 희소 클래스의 분류 민감도를 높이기 위한 데이터 균형화 알고리즘을 딥러닝 학습에 적용하고 성능을 분석하였다. 이를 위해 불균형 데이터셋인 HAM10000에 데이터 균형화 알고리즘(ROS, SMOTE, ADASYN, BSMOTE, SVMSMOTE)을 적용하여 학습한 모델과 그렇지 않은 모델의 정확도, 민감도, 정밀도, F1 점수를 측정하여 분류 성능을 비교하고, 교차 검증(5-fold cross-validation)을 통해 그 효과를 분석하였다. 실험에 사용한 HAM100000 데이터셋은 7종 피부질환에 대해 총 10,015장의 피부경 이미지로 구성되며, 해상도는 600×450이다. 실험을 통해, 데이터 균형화 알고리즘 적용 후 피부질환 이미지 분류기의 민감도(3.1%∼6.6%), 정밀도(2.2%∼7.5%), F1 점수(2.7%∼6.6%)가 유의미하게 증가하였다(p<0.05). 이를 통해 데이터 균형화 알고리즘이 불균형 학습데이터의 분류 성능 향상에 기여할 수 있음을 확인하였다.
KSP 제안 키워드
5-Fold cross validation, Cross validation(CV)