KCI등재
동ㆍ서양인 얼굴 데이터를 활용한 딥러닝 기반 안면마비 인식 정확도 평가
저자
김동규(D. G. Kim) ; 서상규(S. K. Seo) ; 이현주(H. J. Lee) ; 태기식(K. S. Tae)
발행기관
학술지명
재활복지공학회논문지(Journal of Rehabilitation Welfare Engineering & Assistive Technology)
권호사항
발행연도
2023
작성언어
Korean
주제어
KDC
512
등재정보
KCI등재
자료형태
학술저널
수록면
48-54(7쪽)
제공처
안면마비의 연간 발병률은 100,000명 당 20명으로 통계적으로 흔한 질병이다. 그러나 많은 사람들이 적절한 치료를 받지 못해 다양한 후유증을 일으키고 있다. 안면마비에 대한 정확하고 빠른 진단은 중재 및 긍정적인 예후를 위해 반드시 필요하다. 본 연구에서는 동양인과 서양인을 구별하여 안면마비를 정확히 예측할 수 있는 자가진단 딥러닝 모델을 개발하고 검증하였다. 이를 위해 얼굴 탐지(face detecting)와 얼굴 랜드마크(face landmark)를 통해 데이터 전처리와 모델 훈련을 수행하였다. 동양인으로만 구성된 데이터를 사용하여 모델을 학습시킨 결과, 동양인의 안면마비 예측 정확도는 96.2%였지만 서양인의 예측 정확도는 68.7%로 나타났다. 서양인으로만 구성된 데이터를 사용하여 모델을 학습시킨 경우에는, 서양인의 안면 마비 예측 정확도 95.5%, 동양인의 예측 정확도는 80.5%였다. 이러한 결과를 기반으로, 동서양 혼합 모델을 사용한 딥러닝 학습을 하여 동서양 얼굴 인식 모두에게서 91.2% 이상의 높은 예측 정확도를 도출하였다. 추후 충분한 데이터 확보와 함께 딥러닝 모델을 이용하면 다양한 인종에서 안면 마비를 정확히 예측할 수 있는 시스템이 마련될 수 있는 것으로 사료된다.
더보기The annual incidence rate of facial paralysis is 20 per 100,000 people, making it a statistically common disease. However, many people suffer from various sequelae due to lack of appropriate treatment. Accurate and prompt diagnosis of facial paralysis is essential for intervention and positive prognosis. In this study, a self-diagnostic deep learning model was developed and validated to accurately predict facial paralysis, distinguishing between East Asian and Western populations. Data preprocessing and model training were performed using face detection and face landmarking. When the model was trained using data consisting of only East Asian individuals, the accuracy of facial paralysis prediction for East Asians was 96.2%, but it was 68.7% for Westerners. Conversely, when the model was trained using data consisting of only Westerners, the accuracy of facial paralysis prediction for Westerners was 95.5%, while it was 80.5% for East Asians. Based on these results, deep learning training using a mixed model of both East Asian and Western populations yielded high prediction accuracy of over 91.2% for both populations. With sufficient data, it is expected that a system that accurately predicts facial paralysis in various races can be established using deep learning models in the future.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)