Cited 0 time in
기계학습 기반 9방향 안구 사진 자동 결합 프로그램
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | 박신형 | - |
| dc.contributor.author | 이우혁 | - |
| dc.contributor.author | 강태신 | - |
| dc.contributor.author | 조현경 | - |
| dc.contributor.author | 한용섭 | - |
| dc.contributor.author | 김지혜 | - |
| dc.date.accessioned | 2023-09-21T06:42:02Z | - |
| dc.date.available | 2023-09-21T06:42:02Z | - |
| dc.date.issued | 2023-08 | - |
| dc.identifier.issn | 0378-6471 | - |
| dc.identifier.issn | 2092-9374 | - |
| dc.identifier.uri | https://scholarworks.gnu.ac.kr/handle/sw.gnu/67883 | - |
| dc.description.abstract | 목적: 본 연구는 각각의 방향을 주시하면서 촬영한 여러 장의 안구 사진을 한 장의 9방향 안구 사진으로 결합하는 새로운 인공지능기반 9방향 안구 사진 자동 결합 프로그램(HydraVersion)을 제안하고자 한다. 또한 HydraVersion의 정확도와 소요 시간을 기존의파워포인트(PowerPoint)를 이용하는 수작업과 비교하여, HydraVersion의 유용성에 대해 알아보고자 한다. 대상과 방법: 2016년 3월부터 2022년 6월까지 본원 외래에서 촬영한 9방향 안구 사진 중 134명의 사진 250세트 2,524장으로 후향적연구를 진행하였다. 그중 38명 74세트 728장은 평가데이터 세트로 구성하고, 각각의 방법(HydraVersion/PowerPoint)을 이용하여 9 방향 안구 사진을 생성하는데 소요된 시간을 측정하고 정확도를 평가하여 비교 분석하였다. 결과: HydraVersion은 74세트의 9방향 안구 사진 중 71세트(95.95%)를 정확하게 결합하였다. HydraVersion의 평균 소요 시간은2.40 ± 0.43초, Powerpoint의 평균 소요 시간은 255.9 ± 26.7초로 HydraVersion이 PowerPoint보다 빠르게 사진을 결합하였다(p<0.001). 결론: 그동안 일부 사시 및 신경안과 클리닉에서는 시간 및 인력 부족의 이유로 몇몇의 안구 사진들이 결합하지 못하고 낱장으로보관되었다. 본 연구에서 개발한 프로그램을 통해 빠르고 편리하게 9방향 안구 사진을 생성함으로써, 진료 및 연구에 많은 도움이될 것이라 기대한다. | - |
| dc.format.extent | 9 | - |
| dc.language | 한국어 | - |
| dc.language.iso | KOR | - |
| dc.publisher | 대한안과학회 | - |
| dc.title | 기계학습 기반 9방향 안구 사진 자동 결합 프로그램 | - |
| dc.title.alternative | Machine Learning-based Auto-merge Program for Nine-directional Ocular Photography | - |
| dc.type | Article | - |
| dc.publisher.location | 대한민국 | - |
| dc.identifier.doi | 10.3341/jkos.2023.64.8.734 | - |
| dc.identifier.scopusid | 2-s2.0-85173455456 | - |
| dc.identifier.wosid | 001064913700011 | - |
| dc.identifier.bibliographicCitation | 대한안과학회지, v.64, no.8, pp 734 - 742 | - |
| dc.citation.title | 대한안과학회지 | - |
| dc.citation.volume | 64 | - |
| dc.citation.number | 8 | - |
| dc.citation.startPage | 734 | - |
| dc.citation.endPage | 742 | - |
| dc.type.docType | Article | - |
| dc.identifier.kciid | ART002985742 | - |
| dc.description.isOpenAccess | N | - |
| dc.description.journalRegisteredClass | scopus | - |
| dc.description.journalRegisteredClass | esci | - |
| dc.description.journalRegisteredClass | kci | - |
| dc.relation.journalResearchArea | Ophthalmology | - |
| dc.relation.journalWebOfScienceCategory | Ophthalmology | - |
| dc.subject.keywordAuthor | Eye movement | - |
| dc.subject.keywordAuthor | Eye tracking technology | - |
| dc.subject.keywordAuthor | Machine learning | - |
| dc.subject.keywordAuthor | Nine-directional ocular photography | - |
| dc.subject.keywordAuthor | Strabismus | - |
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.
Gyeongsang National University Central Library, 501, Jinju-daero, Jinju-si, Gyeongsangnam-do, 52828, Republic of Korea+82-55-772-0532
COPYRIGHT 2022 GYEONGSANG NATIONAL UNIVERSITY LIBRARY. ALL RIGHTS RESERVED.
Certain data included herein are derived from the © Web of Science of Clarivate Analytics. All rights reserved.
You may not copy or re-distribute this material in whole or in part without the prior written consent of Clarivate Analytics.
