Progress Seminar 2018. 08. 28 선석규
Image Super-resolution 연구 진행 상황 보고 녹내장 진단 (안과 Pf. 박기호) 재난 대응 (응급 의학과 Pf. 신상도) MER 분석 (신경외과 Pf. 백선하) Image Super-resolution 녹내장 예후예측 시야검사지 판별 망막 intensity 측정 2주전 계획 논문 작업중 Data 범주화 및 Feature selection진행 Classification 진행 망막 영역 segmentation진행 SMICU 사용성 평가 신경외과 미팅 8/14(수) 11am 연구 결과 논문 작업하여 전달함 image feature 추출 방향 변경 중 Classification 결과 이용하여 attention-map 추출 망막 영역 segmentation 진행 후 안과 전달 5차년도 5:5 연결을 위한 Device 제작 후 헬스허브(소프트웨어) 전달 MER데이터 분석 문제점 및 대책 목표 및 계획 망막 영역 segmentation 두께 비교 Device 헬스허브에서 테스트중 DBS 예후를 정답으로 data crop
망막 intensity 측정 – Layer segmentation 녹내장 환자의 경우 노란색 영역의 밝기가 어두움 현재는 crop 후 매뉴얼로 작은 박스 생성 후 빨간색(reference)와 노란색의 밝기 비교(사진마다 intensity가 다르기 때문) 고전적인 방법 시도 후 불가능 할 시 Deep learning으로 구함
망막 intensity 측정 – Layer segmentation <원본> Reference선(붉은 영역)이 찾기가 힘듦 평균과 std값을 이용하여 intensity normalize 후 Segmentation 노란영역의 intensity 계산
망막 영역 추출 X 원본 mask 위에서 구한 망막 영역의 mask를 원본 이미지에 곱함 망막 영역이 추출됨
Intensity 계산 이미지의 세로에서 내려오면서 intensity의 peak 값을 각각 계산함. 모든 이미지는 이미지의 평균과 std 값을 이용해 normalize하였으므로, 상대적인 밝기 비교가 가능함. normalize 방식에 문제가 있어 방향 선회(histogram equalization, adaptive histogram equalization을 이용했으나, manual로 진행한 것과 차이가 있었음
망막 영역 추출 찾아낸 mask보다 15픽셀 정도 위를 MASK로 roi를 다시 구함. 기존에 reference선과 roi영역의 상대적 밝기를 계산
Intensity 계산 2 1 위에서 내려오면서 intensity를 계산, 1과 2의 상대적인 intensity비율을 계산함 가로로는 회전하면서 소실되는 부분으로 인해 20~300까지의 평균을 계산
강우 H 밝기 비율값 : 1.94
육좌 H 밝기 비율값 2.075
육좌V 밝기 비율값 : 2.12 안과에서 제공한 4가지 이미지 중 3가지 이미지에 대해 적용 가능. 현재 계산한 밝기 비율값을 안과에 전달함. Manual 방식과 비교하여 validation함(진행중) Future work으로 두 영역의 두께를 비교하는 작업 진행중.