동그라미2팀 (랩장 김범채)

일시: 2019.02.16 내용: 3기 연구 내용 정리 및 4기 이슈 정리 참여: 곽민섭 교수님, 김범채 랩장, 김윤영 연구원, 양재민 연구원, 양경성 부장님(도움) 1. R-CNN History 내용 공유 R-CNN 부터 Mask R-CNN 까지 전체 History 및 핵심 아이디어에 대해서 공유 했습니다. 2. 3기 연구 내용 정리 3기에 진행한 조직 세포 검출 알고리즘 내용을 전체 정리 하고, 이슈에 대해 공유 1. Nuclei Segmentation with Mask R-CNN 2. 조직 세포 및 병리학에 대한 이슈

1월 12일 토요일 - 강남 토즈 참석자: 양경성 부장님, 김범채 랩장, 김윤영 연구원, 양재민 연구원 모임 내용 정리 현재까지 진행사항을 검토하고, 남은 기간동안 3기 활동을 마무리 짓기 위한 회의였습니다. 진행사항: 병리학 슬라이드 영상에 딥러닝을 적용해보기 위한 다양한 코드들을 찾고 실행해 보았습니다. 1. “Deep learning for digital pathology image analysis: A comprehensive tutorial with selected use cases” http://www.and

온라인 회의 내용 정리 현재 오프라인에서는 활동하지 못하고 있지만, 온라인에서 서로 공부하는 내용 들을 열심히 공유 하고 있습니다. 그 내용을 정리해서 올리고자 합니다. * 아래 과정들은 김윤영 연구원이 열심히 공부한 내용입니다. * 전체 프로세스 구상도 가장먼저, 세포의 진단은 세포의 Cytoplasm 과 Nucleus 의 비율을 통해 해당 세포가 암인지 아닌지를 분류 할 수 있다고 합니다. 따라서, 세포의 각 영역을 구하기 위해 segmentation 딥러닝 모델을 만들어보고자 합니다. 이때, segmentat

* 아래 공개되는 코드 및 작업물은 다음 페이지의 내용을 기반으로 만들었습니다. http://www.andrewjanowczyk.com/use-case-1-nuclei-segmentation/ 기본 환경: CUDA9.0 ubuntu 16.04 python 3.5 DL 프레임워크: Caffe 참고: https://yunsangq.github.io/articles/2017-02/caffe GPU: 1080 - 1개 동그라미 2팀의 김윤영, 양재민 연구원이 열심히 만든 tutorial code를 공유하고자 합니다. 링

슬라이드 영상을 통한 질병 진단 알고리즘 개발을 위한 연구 진행 • 연구 목표 - 슬라이드 영상에서 질병 소견을 보이는 세포 검출을 위한 딥러닝 알고리즘 개발 질병 소견을 보이는 세포는 정상 세포 보다 세포질 대비 세포 핵의 비율이 적음. 이유는 암의 경우 세포 핵이 과성장하여 세포의 대부분을 차지하는 형상을 보임 [reference1]. 수행사항 1. 세포 검출을 위한 연구 진행 • 다양한 영상 처리를 통해 세포질의 영역이 검출 가능함을 확인해보고자 함 세포 영역 검출을 위한 기울기 기반의 실험 결과 • 이슈사항

목표: 자동 세포 검출 및 진단 인공지능 모델 개발 기간: ~ 2019년 2월 참여인원: 4명 (곽민섭 교수님, 김범채, 김윤영, 양재민) 세포 자동 검출 및 검진 인공지능 모델 개발 2기에 이어 3기에서도 활동하게되었습니다. 의료 분야에 적용되는 인공지능은, 그 책임에 대한 문제를 떠나서 사람들의 생활에 매우 큰 영향을 미치는 기술입니다. 아직은 그 걸음마 단계이지만, 점차 공부하여 세상에 큰 영향을 줄 수 있는 기술을 개발해 보고 싶습니다. 다양한 딥러닝 기술과 영상처리 기술등을 통해 병리학 슬라이드 영상을 자동으로