생물학적 영상의 분류는 세포 표현형과 성숙 수준의 인식, 세포기관 및 조직병리학적 분류의 국산화 등 많은 생물학적 문제에서 결정적인 역할을 하며, 질병 예방에 중요한 조기 진단을 지원할 수 있는 잠재력을 가지고 있다. 본 논문에서는 치명적 편평세포암으로 전락할 수 있는 가장 흔한 피부병변 중 하나인 액티니 각질증(AK)의 정확한 식별을 제공하기 위해 표준적이고 심층 분류자의 다른 앙상블을 시험했다. 임상 이미지 데이터 집합을 사용하여 수작업으로 조작된 설명자와 콘볼루션 신경 네트워크(CNN)에 의해 훈련된 지원 벡터 머신의 서로 다른 앙상블을 구축하고 테스트했으며, 이 앙상블은 서로 다른 학습 속도, 확대 기법(예: 뒤틀림) 및 위상들을 실험했다. 결과는 제안된 앙상블이 예술의 상태에 필적할 만한 성능을 얻는다는 것을 보여준다. 본 문서에 보고된 실험을 재현하기 위해, 모든 설명자의 MATLAB 코드는 https://github.com/LorisNanni에서 이용할 수 있다.

제 1편 : MATLAB 기본편
1. MATLAB 기본사용편 003
1.1 MATLAB 시작하기 003
명령창(command Window)에서의 입력 005
도움말(Help)의 이용 007
1.2 입력 오류의 수정 008
계산의 중지 009
MATLAB 종료하기 009
1.3 연산과 변수의 할당 009
연산자 우선순위 011
내장함수 012
1.4 데이터의 표현 013
1.5 변수의 처리 015
변수 이름 015
clear 명령어 016
특수변수와 정수 017
whos 명령어 017
1.6 벡터와 행렬 018
벡터 018
행렬 023
스크린 출력과 억제 024
1.7 랜덤(Random)수와 복소수 025
랜덤 수 025
복소수 027
1.8 기호를 이용한 연산 028
기호식에서의 치환 029
1.9 코드 파일 030
스크립트 코드 파일 030
코멘트의 추가 032
함수 코드 파일 033
사용자 정의함수 036
1.10 간단한 그래프의 생성 037
ezplot을 이용한 그래프 037
plot을 이용한 그래프 039
3차원 그래프 042
1.11 MATLAB과 엑셀(Excel)의 접속 043
엑셀 데이터 불러오기 043
데이터 가져오기 옵션 046
스크립트 생성 옵션 049
함수 생성 옵션 049
생성된 데이터를 엑셀파일로 저장하기 050




제 2편 : 연구논문
Deep learning for actinic keratosis classification

1. Introduction 51
2. Methods 52
3. Data Augmentation 53
4. Experimental Results 55
5. Conclusions 58
6. References 58