Progress Seminar 2018. 12. 18 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 성능평가 MER분석 결과정리 연구 결과 논문 작업하여 전달함 Classification에서 녹내장으로 진단된 환자에 대해서만 예측하도록 진행 Classification 결과 이용하여 attention-map 추출 환자 100명에 적용 5:5 성능평가 완료 학회투고(신경외과)를 위한 결과정리 문제점 및 대책 목표 및 계획 데이터 추가 수집 범용적으로 사용할 수 있도록 파라미터 수정 5차년도 보고서 작성
피부과(의학연구) 기타 12/20 훈련소 입소 Crop된 데이터에 대하여 classification 진행
피부과 의학 연구 입술 병변 분류 Class1 - benign Class2 – malignant + Precancerous Dataset Train : 886 - class1 Test : 234 – class1 742 – class2 112 – Class2 추가 validation Testset의 subset으로 class별로 40 케이스 뽑아서 임상의와 비교
진행 방향 사용한 모델 – Inception Resnet V2(2016) 훈련방식 두가지 모델 선정 : AUC 높은 모델, ACC 높은 모델.(test결과 높은지점) 결과값 Accuracy, ROC curve, AUC 비교방식 Dermatologist(전문의), Resident, Medical doctor(일반의사), Medical student(학생)과 모델간의 성능 비교(40개의 Test set)
Result Training 과정 중 Test accuracy와 AUC값을 같이 보고, 두가지가 각각 높은 모델 선정
Accuracy Model 40 Test set All AUC : 0.79 AUC : 0.81 Test acc : 0.7 [[14 6] [ 6 14]] AUC : 0.81 Test acc : 0.81 Confusion : [[206 28] [ 35 75]]
AUC Model 40 Test set All AUC : 0.83 Test acc : 0.71 Confusion : [[156 78] [ 21 89]] AUC : 0.79 Test acc : 0.68 Confusion : [[ 9 11] [ 2 18]]
임상의와 비교 CNN Model 전문의와 전공의는 sensitivity는 CNN 결과보다 좋지만 specificity는 떨어짐 일반 의사와 의대생보다는 모두 우월 데이터 수집이 늦어져 다양한 시도를 해보지 못함(성능 향상 가능) 추가요청 Class Activation map 적용