메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이경윤 (Gachon University College of Medicine) 김영재 (Gachon University College of Medicine) 김승태 (Gil Hospital) 김효은 (Gachon University College of Medicine) 김광기 (Gachon University College of Medicine)
저널정보
한국멀티미디어학회 멀티미디어학회논문지 멀티미디어학회논문지 제22권 제3호
발행연도
2019.3
수록면
349 - 356 (8page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
When a prescription change occurs in the hospital depending on a patient’s improvement status, pharmacists directly classify manually returned pills which are not taken by a patient. There are hundreds of kinds of pills to classify. Because it is manual, mistakes can occur and which can lead to medical accidents. In this study, we have compared YOLO, Faster R-CNN and RetinaNet to classify and detect pills. The data consisted of 10 classes and used 100 images per class. To evaluate the performance of each model, we used cross-validation. As a result, the YOLO Model had sensitivity of 91.05%, FPs/image of 0.0507. The Faster R-CNN’s sensitivity was 99.6% and FPs/image was 0.0089. The RetinaNet showed sensitivity of 98.31% and FPs/image of 0.0119. Faster RCNN showed the best performance among these three models tested. Thus, the most appropriate model for classifying pills among the three models is the Faster R-CNN with the most accurate detection and classification results and a low FP/image.
#Pill Classification #Object Detection #Deep Learning #Artificial Intelligent #Hospital

목차

ABSTRACT
1. 서론
2. 제안한 방법
3. 실험 결과 및 고찰
4. 결론 및 토의
REFERENCE

참고문헌 (17)

참고문헌 신청
이법기 / 2018 / 다양한 색상 및 형태를 갖는 알약의 자동 분류 시스템 / 멀티미디어학회논문지 21(6):659~666 dbpia Young-Beom Lee / 2011 / Pill-ID : matching and retrieval of drug pill images google schola A. Krizhevsky / 2012 / Imagenet Classification with Deep Convolutional Neural Networks / Advances in Neural Information Processing Systems 60(6):1097~1105 google schola B. Y. Yoo / 2015 / The Trend of Image Recognition Close to The Human Level in Deep Learning / Communications of the Korean Institute of Information Scientists and Engineers 33(9):32~41 google schola D.U. Kim / 2017 / Shape and Text Imprint Recognition of Pill Image Taken with a Smartphone google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

서울 용산 지역의 가로망 변화에 관한 연구 : 개항이후부터 일제강점기를 중심으로
황보 영희 ,  한동수 대한건축학회 학술발표대회 논문집 - 계획계 2004 .10
스마트폰으로 촬영된 알약 이미지의 식별 마크 인식 모델을 이용한 알약 인식 및 정보 제공 시스템
배소현 ,  손수현 ,  전예진 외 1명 한국정보과학회 학술발표논문집 2020 .12
딥러닝의 모형과 응용사례
안성만 지능정보연구 2016 .06
[화학]칼륨-탄소섬유층간화합물의 Intercalation-Deintercalation에 관한 연구
오원춘 ,  조성준 ,  최영재 외 1명 분석과학 1994 .06
[시론] 지역사회와 함께 하는 코로나19(COVID-19) 극복
이무식 농촌의학·지역보건 2020 .03

최근 본 자료

전체보기

댓글(0)

0