딥러닝44 (작성 중...)[JIS] Deep Learning for Image Classification [JIS] Journal Introduction Summary: Deep Learning for Image Classification [Since 2017] 1. [EfficientNet] Tan, Mingxing, and Quoc Le. "Efficientnet: Rethinking model scaling for convolutional neural networks." International conference on machine learning. PMLR, 2019. 2. [NasNet] Zoph, Barret, et al. "Learning transferable architectures for scalable image recognition." Proceedings of the IEEE con.. 2023. 12. 26. 2023년도 강의 기록 # 세줄 요약 # 2023년도에 (주)뷰노 BLU3팀 Lung Part 파트장, 서울대학교 응용바이오공학과 박사과정, 연성대학교 보건의료행정과 출강교수 소속으로 강연한 기록 정리 간단하게 강의 일정, 강의 대상, 강의 내용만 정리 각 강의별 상세한 내용 문의 및 강연 요청은 메일 또는 댓글로 문의주세요. jonghun.jeong@vuno.co jonghun.jeong@snu.ac.kr # 강의 기록 # 가천대학교 - 뷰노(VUNO)와 함께하는 딥러닝 윈터스쿨 2023 강의 일정: 2023.02.03 13:00~17:00 강의 대상: 가천대학교 컴퓨터공학과, 의용생체공학과, 기계공학과 소속 학생들 16명 강의 내용: 비전 딥러닝 - 영상 데이터 처리, 비전 딥러닝 기초, 비전 딥러닝 심화, 현업 연구 사례.. 2023. 8. 30. Furukawa et al., 2022, A comprehensible machine learning tool to differentially diagnose idiopathic pulmonary fibrosis from other chronic interstitial lung diseases # 세줄 요약 # 특발성 폐 섬유증(Idiopathic pulmonary fibrosis; 이하 IPF)은 환자의 예후가 좋지 않으면서 다학제(multidisciplinary) 간의 진단 정확도 마저 낮기에, 이번 연구에서는 환자의 위험을 유발하는 수술이 배제된 비침습적(non-invasive) 데이터들을 활용하여 딥러닝과 머신러닝이 결합된 알고리즘으로, 보통의 간질성 폐질환(interstitial lung diseases; 이하 ILD)로부터 IPF 환자를 분류하였다. 이번 연구는 후향적(retrospectively) 연구로 2007년 4월부터 2017년 7월 사이에 ILD로 진단된 환자들의 데이터(총 1068명의 ILD 환자 중 42.7%가 IPF 진단)를 모았으며, 딥러닝은 HRCT 영상에서 병변을.. 2023. 8. 28. Handa et al., 2022, Novel Artificial Intelligence-based Technology for Chest Computed Tomography Analysis of Idiopathic Pulmonary Fibrosis # 세줄 요약 # 연구 목적: 흉부 CT 영상에서 폐 조직(parenchymal)과 기도(airway)에서의 병변을 검출하는 인공지능 분석 소프트웨어를 개발하고, IPF(idiopathic pulmonary fibrosis; 특발성 폐 섬유증)를 가진 환자들의 예후를 예측 하는 것. 저자들은 고해상도 CT (high-resolution CT; HRCT) 304개를 가지고 자동으로 10가지 유형의 폐 조직 패턴(+기도)을 정량화하는 AIQCT(artificial intelligence-based quantitative CT image analysis software)를 개발하였고, 이후 개발된 AIQCT를 IPF를 가진 환자 120명의 HRCT 영상에 적용하여 병변의 볼륨과 생존률과의 관계를 분석하였다. .. 2023. 6. 9. 비전 딥러닝 특강 - 4-3. 비전 딥러닝 설계 / 합성곱 신경망 모델 소개 2023. 4. 2. 비전 딥러닝 특강 - 4-2. 비전 딥러닝 설계 / Classification & Segmentation 2023. 4. 2. 비전 딥러닝 특강 - 4-1. 비전 딥러닝 설계 / 합성곱 신경망이란? 2023. 4. 2. [upU-net] Benfenati, 2022, upU-Net Approaches for Background Emission Removal in Fluorescence Microscopy # 세줄 요약 # 자동형광(auto-fluorescence)은 형광현미경(fluorescence microscopy) 영상에서 목표한 대상 물체를 관측하는데 장애물이 되는 아티팩트(artifact)를 만들어내기에, 저자들은 "upU-net"이라 명명한 U-net의 수정 모델을 가지고 딥러닝을 통해 이렇게 배경에서 방출된 아티팩트를 fluorescence confocal microscopy images에서 제거하는 연구를 수행하였다. upU-net을 학습하고 테스트하기 위하여 psf(point spread function)와 Perlin noise를 사용하여 실제 형광 현미경 영상과 거의 유사한 영상들을 만들어 실험을 하였고, 그 결과 배경이 제거되는 것은 물론이고 신경망이 영상을 재구축하면서 Guassi.. 2023. 2. 28. 비전 딥러닝 특강 - 3-2. 영상 처리 / 영상 데이터 전처리 2023. 2. 16. 비전 딥러닝 특강 - 3-1. 영상 처리 / 영상 데이터의 이해 2023. 2. 16. 이전 1 2 3 4 5 다음
