연구 방향

• 알츠하이머 환자의 Amyloid Pet 사진을 바탕으로 딥러닝 기법을 활용하여 알츠하이머 0단계, 1단계, 2단계를 구분할 수 있는 최적모델을 찾고자 함.

• Sample 수가 총 603으로 매우 적은 샘플 수에다가 인공지능적 진단 가치가 높은 알츠하이머 초기~중기 단계 샘플은 78개로 매우 적기 때문에 최신 딥러닝 기법 들을 동원하여 해결해 볼 예정

연구 활동

• 강도영 교수님 : 1주차에 먼저 ‘뇌영상 인공지능 분석을 통한 알츠하이머 치매 진단 경험’이라는 PPT 자료를 가지고 알츠하이머에 관한 강의를 해 주심. AlexNet 모델을 바탕으로 여러 실험 결과를 시연해 주심.

링크 : https://drive.google.com/open?id=1HXGP4HSR3-AHJ7m23F12_md0oJPMJY0-

• 양경성 부장님 : 번호판 인식 프로젝트 등 다양한 이미지 classification 경험을 바탕으로 다양한 기술적 진단을 내려 주셨음.

• 김웅곤 연구원 : 알츠하이머 분류 관련된 여러 논문들을 읽어봄. 교수님이 제공해주신 자료를 바탕으로 ResNet50 모델을 훈련시켜 보았음. 알츠하이머 0단계와 2단계는 의미 있는 classification 결과를 도출하였으나 알츠하이머 초중기단계에서의 Recall 이 매우 낮게 나왔음. 향후 데이터 Augmentation과 Hyperparameter optimization 기법 들을 동원하여 개선해야 할 것임.

링크 : https://drive.google.com/open?id=1iUJsk2KJpZ5yU6l1wnP-LffflTkVJ6kHtnkRvo32xDY

• 김현우 연구원 : 3주차 모임 때 새로 들어오셨음. 우리 랩의 Github를 개설함. 과거 Kaggle 대회 상위 랭커였던 경험을 바탕으로 우리 Lab에 Contribution을 기대해 봅니다.

향후 계획

• 강도영 교수님 : 미국 학회 방문 후 복귀 예정

• 양경성 부장님 : OpenCV를 활용한 ImageAugmentation을 시도해 볼 예정임

• 김웅곤 연구원 : ResNet을 벗어나서 다양한 모델들을 실험해 보고 최적 모델을 찾아 보며 Optimal Hyperparameter를 찾아낼 것임

• 김현우 연구원 : 다양한 모델 들을 실험해 보며 Accuracy를 높일 방법을 연구