본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색
결과 내 검색 동의어 포함
결과 내 검색 동의어 포함

-

목차보기

표제지

목차

요약 7

제1장 서론 9

1.1. 개요 9

1.2. 관련 연구 11

1.3. 기초 연구 13

1) 합성곱 신경망 (Convolutional Neural Network, CNN) 13

2) 어텐션 메커니즘 (Attention Mechanism) 14

3) 트랜스포머 (Transformer) 15

제2장 데이터 및 모델링 17

2.1. ICH 다중 분류 데이터셋 17

2.2. 3D ICH CT 영상 데이터셋 18

2.3. 미세 조정된 CNN 모델링 20

1) ResNet-50V2 20

2) DenseNet-121 21

3) VGG-16 23

4) VGG-19 24

2.4. GPT-2 모델링 26

2.5. 하이퍼파라미터 (Hyperparameters) 29

1) 미세 조정된 CNN 29

2) GPT-2 29

제3장 실험 및 결과 30

3.1. 평가 지표 (Evaluation metrics) 30

1) N-gram 기반 평가 지표 30

2) 임베딩 기반 평가 지표 31

3) BERT 점수 (BERT score) 32

3.2. 실험 결과 33

3.3. 논의 38

제4장 결론 40

참고문헌 41

영문초록 48

표목차

표 1. 축약어 전처리 19

표 2. 훈련 및 타겟 말뭉치 예시 19

표 3. 미세 조정된 4개의 CNN 분류기 성능 비교 34

표 4. 최종 모델의 N-gram 기반 평가 점수 35

표 5. 최종 모델의 임베딩 기반 평가 점수 35

표 6. 최종 모델의 BERT-score 평가 점수 36

표 7. 판독문 생성 결과 37

그림목차

그림 1. 합성곱 신경망 구조 14

그림 2. 트랜스포머 구조 16

그림 3. 메타 정보가 포함된 2D ICH CT 이미지 전처리 과정 17

그림 4. 사전 훈련된 CNN 분류기 미세 조정 20

그림 5. ResNet-50V2 아키텍처 21

그림 6. DenseNet-121 아키텍처 22

그림 7. VGG-16 아키텍처 23

그림 8. VGG-19 아키텍처 24

그림 9. 프레임별 특징 벡터 생성 과정 25

그림 10. 특징 행렬 생성 과정 25

그림 11. CNN 인코더를 활용한 GPT-2의 판독문 생성 전체 흐름도 26

그림 12. 특징 행렬과 판독문을 사용한 GPT-2 학습 과정 28

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차