분류 전체보기 (113) 썸네일형 리스트형 Neural Architecture Search for Deep Face Recognition 논문 리뷰 요즘 하루에 1논문을 실천하고 있다. 기본기도 다지고 있지만, 역시 석사는 논문인 것 같다. 기본기는 언제나 중요하지만, 충분히 못 다졌더라도 논문은 항상 읽는 게 맞는 것 같다. 기본기와 논문은 항상 다져놔야할 것 같다. 그리고 물론 누구나 잘은 알아보지 못하겠지만, 그래도 정리를 해 놓는 것이, 나중에도 보기 편하기도 하고 정말 좋은 것 같다. 원래는 분할 또는 의료영상 쪽만으로 AutoML 논문을 읽으려고 했지만, 아이디어를 얻는 단계에서는 어느 ? 까진 아니더라도 그 분야의 다양한 논문을 읽는 것은 많이 도움이 되는 것 같다. 오늘은 얼굴인식에 사용된 AutoML 논문을 읽었다. 내가 얼굴인식에 대해서 해본 적이 없어서 잘은 몰랐었는 데, 새로운 사실도 알게되면서 새로운 아이디어 또한 얻을 수 있.. Efficient Neural Architecture Search on Low-Dimensional Data for OCT Image Segmentation 논문 리뷰 이 논문은 거의 ENAS의 아이디어를 따와서 활용했다고 할 수 있겠다. 하지만 중요한 한 가지의 아이디어를 습득할 수 있었다. [ 요약 ] 딥러닝의 구조를 짜는 어려움으로 자동적으로 딥러닝의 구조를 만들어주는 NAS. 의료분야에서는 데이터 종류(Modality)가 엄청 많은 데, 각 데이터마다 그에 맞는 네트워크를 설계 해야 하는 특성상, AutoML이 정말 필요함. 근데 NAS는 시간이 오래 걸리고, 의료영상들은 고해상도와 고차원 데이터가 많음. 3D나 4D 등등.. 그래서 일반 네트워크를 돌리는 데도 시간이 엄청 오래걸리는 데, NAS를 적용하면 시간이 엄청나게 오래 걸릴 것임. 그렇기 때문에, 우리는 낮은 차원에의 데이터에서 네트워크를 찾고, 고차원으로 이식을 하려고 함. 1D에서 찾은 네트워크가 .. V-NAS: Neural Architecture Search for Volumetric Medical Image Segmentation 논문 리뷰 나만의 정리 노트이기 때문에 시간들여서 잘 작성하진 않겠다. 요약 2D,3D FCN은 의료영상 분야의 방법론적으로 자리잡힘 2D는 Volumetric 정보를 고려 안하고, 3D는 Computation Cost가 너무 큼 우리는 자동적으로 volumetric한 이미지 분할을 해줄 수 있게 하는 네트워크 구조를 찾게 하는 방법을 소개함 총 3개의 데이터셋을 사용. NIH 췌장 MSD 폐 종양 MSD 췌장 종양 소개 CT와 MRI는 의료에 많은 도움을 주었고, 딥러닝이 발전하면서 의료영상에 딥러닝을 활용한 장기분할이 발전됨. 우리는 Volumetric한 의료영상 분할에 집중. CT 영상에서 췌장 종양과 폐 종양을 분할하기 어려운 이유는 4가지가 있음. 1. 전체 볼륨에 비해 크기가 너무 작음 2. 모양, 위치.. Hierarchical Convolutional-Deconvolutional Neural Networks for Automatic Liver and Tumor Segmentation 리뷰 LiTS Challenge에서는 Liver와 Lesion 분할을 하는 대회인데, 벌써 2년정도가 지났음에도 불구하고 이 논문이 Liver Segmentation Task에서는 1위를 차지하고 있다. 0.963으로 1위를 Leaderboard에 기록되어 있다. 2위로는 H-DenseUNet과 뭐 다른 몇개 정도가 0.961로 있다. 최근에는 RA-UNet도 Liver 관련해서는 0.961로 동일한 결과를 내었다. 근데 뭐, 중요한 것은 H-DenseUNet이 Lesion에서는 State-Of-the-Art를 기록하며, 사실상 1위이다. 왜냐면 현재 논문은 Lesion에는 약하기 떄문.... 그럼에도 1위를 한 데에는 분명 무슨 이유가 있을 것이고, 배울만한 점이 있을 것이다. 여기서는 논문을 해석한 것을 .. DICOM/DCM을 NII/NITIF 로 파일 변환(dcm2nii) 일반적으로 CT 데이터셋은 두가지 형태로 많이 제공된다 DCM과 NITIF 포멧. ( .dcm / .nii ) DICOM이 예를 들어 하나의 DCM이 복부 사진 200장중 1장이라면 NITIF는 하나의 NITIF가 복부사진 200장을 다 담고 있다. 그렇기 때문에 DICOM을 쌓은 파일이 nii로 보면 된다. 대략 순서는 이렇게 된다. 코드는 대략 간단히 쓸테니 알아서 채워넣으면 될듯 1. 우선 아무런 nii 하나를 구해서, (왠만하면 간 dcm이면 간nii로) header를 뽑는다. 2. dcm을 읽어들여와 쌓아서 배열로 만듬 3. 배열을 nii로 저장 import nibabel from medpy.io import save,load import os import pydicom img, header =.. Unity 더블클릭 구현 / 물체로 가기 구현 더블 클릭 시, 물체 앞으로 가는 것을 구현해보았다. Lerp를 사용하던 지, 다른 방법들을 사용해서 서서히 움직이는 것은 그 다음 문제 이벤트 시스템을 추가해 주고, Cube에는 그냥 물체를 넣어주면 된다. 더블클릭하면 그 클릭 물체로 가려면, Raycast한 물체의 transform을 넣어주면 됨. 카메라 이동방식은 카메라와 물체의 거리만큼 간 후에, 다시 뒤로 5f정도 떨어지게 하여, 어떤 물체로 가도 5f 떨어지게끔 볼 수 있다. using System.Collections; using System.Collections.Generic; using UnityEngine; public class DoubleClick : MonoBehaviour { // Use this for initializatio.. DCM을 PNG로 변환하는 코드 (dcm2png code) ( 제일 정확함) 많은 사람들이 분명 dcm을 그대로 png로 저장할 때, 어려움을 겪을 것이다. 그대로 png로 변환하면 안된다. png로 변환할 때, 그 공식이 있기 때문에 그 넓은 범위를 png로 변환한다면 안되기 때문이다. dcm은 기본적으로 정해진 데이터나 데이터셋마다 다르지만, contrast enhanced CT 영상같은 경우에는 이미 지정되잇는 범위가 있지만 없다면 범위가 후덜덜하다. CT에서는 기본적으로 범위가 -2000 ~ 2000 정도라고 생각하면된다. 근데 예로 들어, contrast enhanced CT 같은 경우에는 -1024 ~ 1024 뭐 이렇게 되 있는 것도 있다. np.max,min을 해보면? 무튼... import pydicom import numpy as np dcm = pydicom... pydensecrf 설치 오류/ install fail pydensecrf는 git 어쩌구 하면 된다더니 자꾸 설치가 안됬다 나는... cython을 깔아야된다고는 하는 데, 깔았는 데도 안되서 이렇게 하니까 해결 우선 cython을 설치함 1. pip install cython 그리고 2. conda install -c conda-forge pydensecrf 이렇게 하니까 해결... 이거 한 뒤에 pip install pydense어쩌구 하지 말것. 그냥 이대로도 해결 됨. 이전 1 ··· 9 10 11 12 13 14 15 다음
