컴퓨터비전, 머신러닝, 딥러닝을 이용한 의료영상분석 3-1 Property of Deep Neural Network
컴퓨터비전, 머신러닝, 딥러닝을 이용한 의료영상분석 3-1 Property of Deep Neural Network
본 내용은 Edwith의 컴퓨터비전, 머신러닝, 딥러닝을 이용한 의료영상분석을 요약 정리한 내용으로 DGIST 박상현 교수님과 Edwith, STAR-MOOC에 그 저작권이 있음을 미리 공지합니다.
URL : https://www.edwith.org/medical-20200327/lecture/63131/
Neural Network
DNN : hidden layer가 여러개 존재. vs NN : hidden layer 1개
Role of Deep Hidden Layers
각 pixel을 feature로 활용함.
작은 local 부분에서 특징 추출 - Low level features
점점 더 큰 local 부분에서 특징 추출 - Higher level features
Logistic Regression, Linear Regression은 Low level feature들을 기반으로 classification을 함.
DNN은 High level feature들을 기반으로 classification을 함.
Deep Neural Network
Hidden Layer에 따른 Feature Extraction을 통한 Classification을 합니다.
End to End 학습 : 많은 input data에 대해 원하는 label을 얻을 수 있도록 Neural Network가 최적화 하는 learning algorithm을 말합니다.
Performance Change depending on Data Size
작은 데이터에 대해서는 SVM, Random Forest와 같은 모델들 간 성능 차이가 적지만 많은 데이터에 대해서는 큰 성능 차이를 보입니다.
의료 영상에서는 보통 데이터가 적기에 DNN과 기초적인 Machine Learning Model과 차이가 적을 수 있습니다..
Limitation of Deep Neural Network
hidden layer들을 깊게 쌓을수록 parameter 수가 많아진다는 단점이 있습니다.
일반적으로 feature extraction이 잘 이뤄져야만 좋은 성과를 보일 수 있습니다.
Solution : CNN
