Lightweight Deep Models for Dermatological Disease Detection: A Study on Instance Selection and Channel Optimization
Created by
Haebom
저자
Ian Mateos Gonzalez, Estefani Jaramilla Nava, Abraham Sanchez Morales, Jesus Garcia-Ramirez, Ricardo Ramos-Aguilar
개요
본 논문은 멕시코에서 중요한 문제인 피부 질환 식별을 위해 dermaMNIST 데이터셋을 전처리하는 방법론을 제안합니다. 기존 연구들이 데이터 특성 분석 없이 다양한 저장소의 데이터셋을 사용한 것과 달리, 본 연구는 경량 합성곱 신경망을 사용하여 분류 단계에서 데이터셋의 질을 향상시키는 전처리 과정을 제시합니다. 그 결과, ResNet과 유사한 성능을 유지하면서 신경망 훈련에 필요한 데이터 수를 줄였습니다.
시사점, 한계점
•
시사점:
◦
dermaMNIST 데이터셋의 전처리 방법을 통해 데이터 품질 향상 및 훈련 데이터 수 감소 가능성 제시.
◦
경량 합성곱 신경망을 이용한 효율적인 피부 질환 분류 모델 개발 가능성 제시.
•
한계점:
◦
dermaMNIST 데이터셋에만 국한된 연구로, 다른 데이터셋으로의 일반화 가능성은 검증되지 않음.
◦
제안된 전처리 방법의 일반성 및 다른 의료 영상 데이터셋에 대한 적용 가능성에 대한 추가 연구 필요.
