Gihyeon Min

당뇨성 족부궤양 질환의 자동 진단을 위해 딥러닝 전이학습을 이용한 질환 분류 모델을 개발하였다. 본 연구에서는 당뇨성 족부궤양의 공개된 이미지 데이터셋(DFU challenge 2021)을 활용하여 당뇨성 족부궤양을 정상과 질환을 분류할 수 있는 모델과 감염 및 허혈, 복합성 궤양 및 기타 궤양과 분류할 수 있는 자동화된 의료 이미지 질환 진단 모델을 구현하였다. 이를 위해 6가지 심층 신경망 모델을 사용하여 학습하였고 모델의 정확도, 민감도, 정밀도, f1-score 성능을 모델별로 비교 평가하여 당뇨성 족부궤양 분류에 적합한 성능의 모델을 제시하였다. 모델의 성능을 개선하기 위해 데이터 증강 및 불균형 데이터 처리를 활용하였고, 그 중 EfficientNetB3 모델을 활용하여 당뇨성 족부궤양 데이터에 대해 정확도 89%, 민감도 89%를 달성하였다.

We propose a novel schlieren imaging method by projecting a random dot pattern, which is generated in a light source module that includes a diffractive optical element. All apparatuses are located in the source side, which leads to one-body sensor applications. This pattern is distorted by the deflections of schlieren objects such that the displacement vectors of random dots in the pixels can be obtained using the particle image velocity algorithm. The air turbulences induced by a burning candle, boiling pot, heater, and gas torch were successfully imaged, and it was shown that imaging up to a size of 0.7 m × 0.57 m is possible. An algorithm to correct the non-uniform sensitivity according to the position of a schlieren object was analytically derived. This algorithm was applied to schlieren images of lenses. Comparing the corrected versions to the original schlieren images, we showed a corrected uniform sensitivity of 14.15 times on average.