Progress Seminar 2018. 11. 27 선석규.

Presentation on theme: "Progress Seminar 2018. 11. 27 선석규."— Presentation transcript:

1 Progress Seminar 선석규

2 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 미팅11/14(수) 11am 연구 결과 논문 작업하여 전달함 논문 작성 중 Classification 결과 이용하여 attention-map 추출 망막 영역 segmentation 후 두께 측정 5차년도 5:5연결 응급상황 시뮬레이션 MER분석 결과정리 문제점 및 대책 정상인을 11년 후에 발병한다고 정답을 넣어준 문제점. 목표 및 계획 5fold cross test 로 모든 미정상데이터에 대해 regression 데이터 추가 수집 추가로 제공받은 데이터에 적용 12/13(목 )성능 평가 의뢰 다음 미팅11/28(수)

3 기타 12/20 훈련소 입소

4 녹내장 예후 예측 Data : 210명, 7년동안 follow-up, 7년 넘도록 정상은 11년으로 label
Feature : 성별, 나이, 녹내장 가족력, 당뇨, 혈압, 중심각막두께, 안압, 안축장길이, 굴절이상의 정도, 키, 몸부게, OCT 망막신경섬유층의 두께  Image : 시신경 유두 사진, 망막신경섬유층 사진 예측 값 : 녹내장 발생 시점(데이터를 기준으로 몇 년 후에 발병하는가?)

5 Network Convolutional Auto Encoder 20 feature XGBOOST Regressor Image1
(Demographic) Glaucoma onset year prediction Image2

6 Glaucoma onset-year 예측 (주요 figure)
Feature 별 예측값 ( optic disc photo, RNFL , 둘다, 둘다안씀) 박기호 교수님 comment  정상 군 label 11년으로 한 것이 문제가 있음.  Classification 진행 후 regression 진행  false positive 가 높게 설계

7 5fold cross val(test) Result
168 42 Total : 210 train test fold1 5-fold cross val … 42 168 test train fold5 5-fold cross val

8 5fold cross val(test) Result
Mean Acc W/O image Optic-disc Photo RNFL Both Image train test Predict Glaucoma Normal 101 4 13 92 True XGBoost Classifier 5-Fold Cross val(Test) 두가지 image를 모두 썼을 때 Classification 성능이 가장 좋음 문제점  True negative(환자이나 예측값 없음)  False positive(정상이나 label을 어쨌든 줘야함)