Progress Seminar 2018. 07. 03 선석규.

Presentation on theme: "Progress Seminar 2018. 07. 03 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) 기타 Image Super-resolution 녹내장 예후예측 시야검사지 판별 망막 intensity 측정 2주전 계획 Loss function 변경하여 재 학습 Data 범주화 및 Feature selection진행 Classification 진행 SMICU 사용성 평가 연구 결과 Augmentation도입 및 데이터 추가 수집 중 image feature 추출 방향 변경 중 Classification 결과 이용하여 attention-map 추출 데이터 제공 받아 진행중 5차년도 5:5 연결을 위한 Device 제작 중 유병욱 ph.D 논문 안과에 전달하여 수정 중 신경외과 미팅 7/4(수) 11am 문제점 및 대책 목표 및 계획 데이터 추가 수집 Device제작

3 시야 검사 결과지 판별 - 연구목표 연구 목표 녹내장 환자 vs 테스트를 잘못해서 녹내장처럼 보이는 환자인지 판별
테스트를 잘못한 환자는 반복해서 검사 시, 점차 정상으로 보임(테스트 비용) Total Deviation 숫자 : 자기 나이 대비 defect가 생긴 부분을 숫자로 표시 패턴 : defect 부분을 형태로 바꿈 Patter deviation Total deviation에서 field defect제거 ROI <시야 검사지>

4 Result predict Model : VGG 16 Overall accuracy :80%정도 Data 추가 수집 후 진행
가능 Glaucoma pseudo Glaucoma 10 2 1 11 True Data : Glaucoma - 98 Pseudo - 102 Test set : 12장씩

5 Class Activation Map 추출(진단의 근거 표시)
Glaucoma Pseudo Glaucoma 2가지 Class에 대하여 class activation map 추출  Pseudo glaucoma는 임상적으로 십자선 가까운 곳에 진단의 근거가 위치(양상이 다름)  데이터 추가 수집 요청

6 망막 intensity 측정 – Layer segmentation
 녹내장 환자의 경우 노란색 영역의 밝기가 어두움  현재는 매뉴얼로 박스 생성 후 빨간색(reference)와 노란색의 밝기 비교(사진마다 intensity가 다르기 때문)  고전적인 방법 시도 후 불가능 할 시 Deep learning으로 구함

7 망막 intensity 측정 – Layer segmentation
<원본> <Adaptive Thresholding> Reference선이 찾기가 힘듦  전체 이미지를 이용해 intensity normalize 후 target영역의 intensity 상대값 비교  Adaptive Thresholding으로 target의 contour를 찾을 수 있으나, 중간에 끊어지는 부분과, 다른 구조물 없애는 작업이 쉽지 않음.