* 여러 종류의 의료 영상에 AI를 적용하여 진행하고 있는 연구
1. X-ray 영상을 이용해 정상과 골다공증을 분류하는 연구 (Classification task)
2. 세포 영상에서 핵을 분할하는 연구 (Segmentation tast)
3. CT 영상에 발생한 artifact를 제거하는 연구 (Image-to-image translation task)
이번 주제는 요즘 의료 영상 AI에 관심이 있던 나에게 가장 재미있고 흥미로웠던 주제였다. 그리고 끝나고 meetup 시간에 대화를 요청했는데 친절하게 답해주셔서 정말 감사했다. 기회가 된다면 방사선의학물리연구실에서 인턴 참여도 해보고 싶다.
* X-ray 영상을 이용해 정상과 골다공증 분류, classification
- Hip Radiographs (골반과 힙쪽) 이미지를 이용한다
- ML이 골감소증/정상 상태와 골다공증 상태 두가지로 분류한다.
* 세포 영상에서 핵을 분할하는 연구, segmentation
- ODT Images(세포사진) 이용
- 암세포는 핵이 크거나 핵이 2개이다
- 암진단 등 세포영상 확인 때에 쓰인다
- U-net 구조를 조금 변형해 축방향으로 잘 볼 수 있게 한다
- time-series segmentation
- 의료분야에서는 성별, 나이 등의 정보가 진단하는데 중요한 정보라고 한다
* CT 영상에서 발생한 artifact를 제거하는 연구, image-to-image translation task
- 몸속에 철심을 심는 등, metal artifact가 있으면 CT 촬영을 할 때 metal 부분이 빛번짐이 심해서 진단을 하기가 어렵다
- metal artifact reduction
- (깨끗한 CT 이미지(metal artifact 없음)에 metal artifact를 임의로 넣은 이미지, 깨끗한 CT 이미지)의 쌍으로 이루어진 데이터로 학습을 시켜서, test 때에 실제 metal artifact가 나타난 사진에서 metal artifact 주변 반사된 부분을 복구하는 형식이다
- Image-to-image translation은 maxpooling을 쓰면 정보가 손실되어서 잘 사용하지 않는다.
- 대신 strided conv를 쓴다고 한다.
* 연구실에서 사용하는 GPU
- Titan XP, P40, V100
- 상황에 맞게 종류를 선택해 활용한다고 한다
* 연구실 주소
나중에 다시 정보 얻으려고 기억해두기 ..
http://rplab.snu.ac.kr/index.php
서울대학교 방사선의학물리연구실
<2019학년도 방사선의학물리연구실 인턴 학생 모집> 1. 연구분야 - Radiation in Medicine, Space, and Power - 의학, 우주, 전력에서의 방사선 전분야 2. 지원 방법 - 모집기간: 수시모집 - 제출서류: 자기소개서 (서류심사 후 일주일 이내 면접) 3. 제출 및 문의 - 구창욱 (koocu00@gmail.com, 031-888-9177, 010-4044-1955) 1. Research area
rplab.snu.ac.kr
출처: NVIDIA MEETUP 서울대학교 방사선의학물리연구실 이지민님 발표자료
