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)
저작권정책 안내문
한국전자동신연구원 지식공유플랫폼 저작권정책
한국전자통신연구원 지식공유플랫폼에서 제공하는 모든 저작물(각종 연구과제, 성과물 등)은 저작권법에 의하여 보호받는 저작물로 무단복제 및 배포를 원칙적으로 금하고 있습니다. 저작물을 이용 또는 변경하고자 할 때는 다음 사항을 참고하시기 바랍니다.
저작권법 제24조의2에 따라 한국전자통신연구원에서 저작재산권의 전부를 보유한 저작물의 경우에는 별도의 이용허락 없이 자유이용이 가능합니다. 단, 자유이용이 가능한 자료는 "공공저작물 자유이용허락 표시 기준(공공누리, KOGL) 제4유형"을 부착하여 개방하고 있으므로 공공누리 표시가 부착된 저작물인지를 확인한 이후에 자유이용하시기 바랍니다. 자유이용의 경우에는 반드시 저작물의 출처를 구체적으로 표시하여야 하고 비영리 목적으로만 이용이 가능하며 저작물을 변형하거나 2차 저작물로 사용할 수 없습니다.
<출처표시방법 안내> 작성자, 저작물명, 출처, 권호, 출판년도, 이용조건 [예시1] 김진미 외, "매니코어 기반 고성능 컴퓨팅을 지원하는 경량커널 동향", 전자통신동향분석, 32권 4호, 2017, 공공누리 제4유형 [예시2] 심진보 외, "제4차 산업 혁명과 ICT - 제4차 산업 혁명 선도를 위한 IDX 추진 전략", ETRI Insight, 2017, 공공누리 제 4유형
공공누리가 부착되지 않은 자료들을 사용하고자 할 경우에는 담당자와 사전협의한 이후에 이용하여 주시기 바랍니다.