Progress Seminar 2018. 4. 10 선석규.

Presentation on theme: "Progress Seminar 2018. 4. 10 선석규."— Presentation transcript:

1 Progress Seminar 선석규

2 Image Super-resolution Neural-rim Segmentation
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 Neural-rim Segmentation 2주전 계획 논문 작업중 Data 범주화 및 Feature selection진행 Classification 진행 망막 영역 segmentation진행 6차년도 계획 작성 MER분석 결과정리 연구 결과 논문완료 진행완료 auc:0.83 Test acc:0.8 종료 환자 70명에 적용 35명 성공(corr-0.936) Labeling 및 Irregularity index계산 PAPR착용부 개선 중 눈문 작성 중(90%) 문제점 및 대책 목표 및 계획 눈 방향 normalize하여 진행 안과에 프로그램 전달 필드테스트 준비

3 피부과 기타 입술 병변 분류 논문 작성 수정 후 전달

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 Glaucoma Classification
녹내장 예후 예측 – network 구조 20 feature 14 feature (Demographic) Classifier Glaucoma Classification Regressor Glaucoma Onset-year Prediction Glaucoma patient 전체 시스템 구조 Convolutional Auto encoder 구조

6 Classification 결과 ACC% Train 96.429 94.286 95 93.57 Test 97.14 95.71
RandomForest (both image) XGBOOST AdaBoost Gradient Boosting (W/O Image) Train 96.429 94.286 95 93.57 Test 97.14 95.71 Confusion matrix [33 2 0 35] 정상인을 녹내장이라 판별(2명) Feature importance IOP Thickness D_7 D_14 R_2 age Classification importance 0.123 0.1 0.077

7 Random Forest (Disc photo) Gradient Boost(W/O image)
Regression 결과 녹내장 환자만 따로 분류하여 train함(1~7년 발병 환자) Optimize는 RMSLE로 진행 – MSE계산에는 Classification 환자 제외(정답 없음) MSE XGBOOST (both image) Random Forest (Disc photo) Adaboost (W/O image) Gradient Boost(W/O image) Train 1.08 1.33 1.79 1.53 Test 0.95 1.44 1.38 1.32 틀린 환자에 대해서도 예측 값이 높게 나옴

8 Regression 결과 – 모든 환자 정상 군에 대해서도 대부분 높게 예측됨 (5년이상 후 발병)

9 Regression 결과 – feature importance
정답과의 linear correlation값 Thickness IOP age DBP R_8 family BMI Linear corr (Onset-year) 0.69 -0.68 0.66 0.43 0.42 -0.38 0.3 모델상의 feature importance값 SE age BMI DBP R_2 D_3 CCT Regression (Feature importance) 0.0157 0.085 0.064 0.049 0.047 0.04 Age, DBP, BMI등은 공통적으로 중요한 feature 기타 visualization 작업들 진행중