M.I team

1. 2주전 과제로 내주었던 chest x-ray classification 문제는 팀원 분들께서 훌륭하게 구현해 주셨습니다. 간단한 tesk 라 다들 문제 없이 구현 할거라 생각은 하고 있었습니다. 하지만 gpu가 따로 제공 되지 않아 일부 인원들은 cpu로 딥러닝 학습을 하는 부분에 큰 불편을 호소 하였습니다. 간단한 분류 문제를 해결 했으므로 저희가 최종적으로 원하는 분할 문제를 들어가기 위해 가장 대표적인 모델 U-Net에 대해서 스터디 하였고 분할문제 tesk 를 결정하기 위해 그랜드첼린지 공개 데이터셋을 조사 하였습

12/21일(금) 2차 정기모임을 가졌습니다. 서울스퀘어가 아닌 강남에서 별도의 모임을 가졌으며 본격적인 딥러닝 코드를 구현하기 시작했습니다. 1.딥러닝 스터디 ->각 개인별 딥러닝 과제가 주어졌습니다. 프레임 워크(keras , tensorflow)를 이용하여 가장 기본적인 data_set 인 mnist/cifar-10 을 분류 해보았았고 신경망의 시각화 강의를 보았습니다. 딥러닝 입문자가 팀원 대부분이므로 처음에 가장 어려워하는 활성화 함수 및 오차함수에 대한 설명과 이진분류/다중분류/회귀 에 관한 기본 개념을 확실하게 알

랩소개 최근 의학 분야에서 인공지능 연구가 활발히 이루어 지고 있습니다. 단순 검출, 분할, 분류와 더불어 생성모델까지 연구되고 있는 와중에 의료 인공지능에 관심이 있어 이를 연구하고자 하는 사람들이 모여 MI.Team 을 구성하게 되었습니다. 연구원 소개 김인환 / 랩장 : Image Proceesing 을 연구하던중 deep learning 에 재미가 붙어 최근 연구를 진행하기 시작하였습니다. 현재는 의료영상에서 딥러닝 적용을 하고 있으며 좀더 폭 넓은 연구를 경험해 보기위해 한국 인공지능 연구소에 참여 하게 되었습

지금까지 진행했던 부분들을 발표하는 날이 였습니다. 저희 목표는 딥러닝을 이용한 의료데이터 분석입니다. 하지만 다들 딥러닝을 처음 접해보는 분들이여서 지금까지 진행사항은 딥러닝에 대해 공부를 하는 과정이 였습니다. 3분 동안 간단하게 저희가 1차, 2차, 추가 모임을 가지면서 인공신경망의 이론 공부와 학습용으로 가장 많이 쓰이는 mnist 분류 모델을 구현했던 경험들을 발표 하였습니다. 추가로 이제는 mnist 같은 튜토리얼 데이터셋이 아닌 실제 의료 데이터를 핸들링 해 보고자 kaggle 에서 무료로 제공해주는 chest

12/8일 1차에모임에 대한 활동 내용입니다. 1. 팀 프로젝트를 위한 git 설정 -> 팀간 소스코드 공유 및 업로드를 위한 git 설치 및 환경 설정 2. 딥러닝의 기본 이론 소개 및 과제 -> 딥러닝의 기본 이론설명 및 스터디 진행 -> 소스코드 경험을 위해 팀원 전원 mnist 데이터셋을 이용한 과제가 주어졌음.