<?xml version="1.0" encoding="UTF-8"?>
<feed xmlns="http://www.w3.org/2005/Atom" xmlns:dc="http://purl.org/dc/elements/1.1/">
  <title>Repository Collection: null</title>
  <link rel="alternate" href="https://dspace.hansung.ac.kr/handle/2024.oak/10547" />
  <subtitle />
  <id>https://dspace.hansung.ac.kr/handle/2024.oak/10547</id>
  <updated>2026-04-01T09:40:54Z</updated>
  <dc:date>2026-04-01T09:40:54Z</dc:date>
  <entry>
    <title>[2025학년도 1학기 캡스톤디자인] 7조_온디바이스 딥러닝 기반 실시간 안저 질환 분류 시스템</title>
    <link rel="alternate" href="https://dspace.hansung.ac.kr/handle/2024.oak/10549" />
    <author>
      <name>김주영</name>
    </author>
    <author>
      <name>박찬기</name>
    </author>
    <author>
      <name>이재강</name>
    </author>
    <id>https://dspace.hansung.ac.kr/handle/2024.oak/10549</id>
    <updated>2026-01-30T06:24:35Z</updated>
    <published>2025-06-30T15:00:00Z</published>
    <summary type="text">Title: [2025학년도 1학기 캡스톤디자인] 7조_온디바이스 딥러닝 기반 실시간 안저 질환 분류 시스템
Author(s): 김주영; 박찬기; 이재강
Abstract: 나이 관련 황반변성(AMD), 당뇨병성 망막병증(DR), 녹내장과 같은 주요 안구 질환은 조기 발견이 이루어지지 않을 경우 실명으로 이어질 수 있어 신속한 진단이 중요하다. 그러나 기존 안과 진단은 고가의 장비와 전문 의료진에 의존해 의료 접근성이 제한적이며, 특히 의료 인프라가 부족한 환경에서는 활용에 한계가 있다. 본 프로젝트는 이러한 문제를 해결하기 위해 스마트폰 기반 온디바이스 딥러닝 안구 질환 분류 시스템을 제안한다. 사용자가 직접 촬영한 안저 이미지를 ResNet-18 기반 모델로 실시간 분석하여 AMD, DR, 녹내장, 정상의 4가지 상태를 오프라인 환경에서도 분류할 수 있다. 또한 MobileNetV2, EfficientNet-B0와의 비교 실험을 통해 모바일 환경에서의 성능과 효율성을 검증하였다. 본 시스템은 고가 장비 없이도 높은 진단 정확도를 제공하며, 의료 사각지대와 응급 현장에서 효과적인 진단 도구로 활용될 수 있다.
Description: ※본 자료는 2025학년도 1학기 한성대학교 전자∙시스템반도체트랙 캡스톤디자인 수업 결과물로 제작되었습니다.</summary>
    <dc:date>2025-06-30T15:00:00Z</dc:date>
  </entry>
</feed>

