Seoung-Ho Choi Introduction to medical deep learning
•
0 likes•25 views
Seoung-Ho Choi Introduction to medical deep learning
Recommended
Recommended
More Related Content
Similar to Seoung-Ho Choi Introduction to medical deep learning
Similar to Seoung-Ho Choi Introduction to medical deep learning (20)
More from Seoung-Ho Choi
More from Seoung-Ho Choi (20)
Recently uploaded
Recently uploaded (8)
Seoung-Ho Choi Introduction to medical deep learning
- 1. 소개 자료 최승호
- 2. A Study on the Implementation of a Deep Learning Based Method for Burn Degree Diagnosis and Prediction • 화상 이미지 검출 • 이미지에 있는 (하나 이상의) 대상의 위치를 나타내는 박스와 해당 물 체의 클래스를 예측하는 것이 목표 • 입력 : 하나 이상의 대상이 있는 이미지 • 출력 : 각 대상의 위치를 특정하는 경계 박스(좌표)와 해당 물체의 클래 스 레이블 • 출력 예: box1 의 좌표(x,y,w,h)와 클래스에 속할 확률, box2의 좌표와 클래스에 속할 확률 Label prediction
- 3. A Study on the Implementation of a Deep Learning Based Method for Burn Degree Diagnosis and Prediction • 화상 이미지 예측 / 분할 • 7일 14일 뒤에 실제 환자의 치유 정도를 예측하는 것이 목표 • 입력 : 시계열 정보가 포함된 화상 이미지 • 출력 : N+1일의 화상 면적을 예측 Label
- 4. Identification of Schizophrenia by Applying Interpretable Radiomics Modeling with Structural Magnetic Resonance Imaging of the Cerebellum • 영상의학 관련 바이오 마커
- 5. Surgical tool trend analysis study using object detection deep learning • 수술 영상 분석을 통한 수술 기법 변화 측정 방법 • 수술 기법 변화 자동 측정 목적 • 입력 : 수술영상 • 출력 : 년도별 수술 기법 변화 결과 • 진행 : 원고 작성 중
- 6. 환자의 수술 신호 데이터를 이용하여 수 술 후 Outcome 예측 • 방법: • 입력 : 수술 전 신호 데이터 • 출력 : ABI, Age, 질병, 경화도 분류, 오른쪽 다리 혈압, 오른팔 혈압, 왼 쪽 다리 혈압등 • 진행 사항 : Pilot study 완료
- 7. 한의학 관련 측정 지표 값을 이용해서 예 측 • 방법: • 입력 : brain+clinical+microbiome+taskfMRI+taxon+metabolome • 출력 : SCORAD prediction • 진행 사항 : 추가실험 및 원고 작성
- 8. 산부인과 데이터 기반 머신러닝을 이용한 분석 연구 • 방법: • 입력 : 산부인과 데이터 • 출력 : 12개 outcome • Contribution • 데이터 CCA 분석 그리고 3가지 지표를 이용한 상관계수 분석 • 12개 outcome 에 대한 머신러닝 비교 분석 (5가지 모델) • Del week 포함 및 미포함에 따른 internal validation / external validation 성능 테 스트 및 sharp 분석 (Summary plot / discision plot )
- 9. 소화기 관련 측정 지표 값을 이용해서 예 후 예측 • 방법: • 출혈 위험도 관련해서 비교 분석 연구
- 10. 소화기 내시경 이미지를 통해 진단 및 데 이터 증강 관련 연구 • 방법: • 여러 조건에서 딥러닝 모델을 이용한 비교 분석 연구
- 11. 동물 세포 병리 관련 연구 • 방법: • 입력 : WSI 이미지 • 출력 : 해당 cell에 분할된 이미지
- 12. 부작용 관련 예측 연구 • 방법: • 입력 : 약물 관련 데이터 • 출력 : 약물 부작용 진단 • 방법 : 하위 그룹 선정을 통한 머신러닝 비교 분석을 통한 영향성 분석 • 진행 : 실험 진행 중
- 13. Brain Gynnastics Recognition using Machine Learning • 손동작 이용해서 뇌 활성화 방법 • 손동작을 통해 뇌 활성화 운동할 수 있는 목적 • 입력 : (a) PP 동작의 경우 오른손 새끼손가락 펴기 그리고 왼손 엄 지 손가락 펴기, (b) CNV 동작의 경우 오른손 보자기 엄지를 접고, 왼손 주 먹 새 끼손가락을 펴기 • 출력 : PP, CNV 분류 성능
- 14. Turtle Neck Severity Measurement using Machine Learning • 거북목 진단 방법 • 집에서 거북목 심각도를 측정할 수 있는 목적 • 입력 : 사람 이미지 • 출력 : 거북목 각도
- 15. Pathology diagnosis framework • 문제점: • 병리데이터를 임상 병리사가 일일이 분석하는데 많은 시간이 소모됨 • 목표: • 임상 병리사가 병리 데이터를 분석하는 시간을 줄여 줄 수 있는 병리 진단 프 레임 워크 제안 • 공헌도: • 자동 분석 병리 데이터 진단 프레임워크 제안 • 제안 프레임워크는 병리 분할 모델, 병리 데이터 증강 모델, 그리고 병리 데이 터 진단 모델로 구성되어 있음
- 16. A Study on Comparative Analysis of Federated Learning for Standard Model Construction in Pathological Image Segmentation • 문제점 • 다수 병원에서 의료정보 유출 문제로 의료 데이터의 직접 공유 어려움 • 많은 학습데이터를 요하는 대규모 딥러닝 모델의 충분한 일반화 성능 을 위한 데이터 확보 어려움 • 연구 목표 • 일반화 성능이 높은 표준화 모델을 구축할 수 있는 연합학습 방법을 적 용하여 표준 모델을 구축할 수 있음을 검증 • 연구 주요내용 • 의료 정보 유출의 문제를 원천적으로 예방할 수 있는 기술 개발 • 병리이미지 분할(segmentation) 문제를 위한 효과적인 연합학습 (federated learning) 방법론 제시
- 17. 3D 치아 생성 방법 • 3D 치아 생성 방법 • 치아 맞춤 크라운 생성하는 게 목적 • 입력 : 크라운 제거된 상학 / 하악 데이터 • 출력 : 생성된 크라운 데이터
- 18. MRI 이미지를 이용한 알츠하이머 질병 진단 • MRI 이미지를 이용한 알츠하이머 질병 진단 • To classify the Alzheimer’s Disease from 3D structural MRI data • 입력 : AD / MCI / NC MRI Data (AD : Alzheimer’s Disease, MCI : Mild Cognitive Impairment, NC : Normal Condition) • 출력 : 진단 정확도 AD NC MCI
- 19. 생체신호에서 MBP 예측 모델 • 생체신호이용해서 혈압 예측 방법 • 중환자실에서 생체신호 가지고 혈압 측정할 수 있는 목적 • 입력 : ART, EEG, PPG 신호 • 출력 : Mean Blood Pressure (혈압)
- 20. 머신러닝을 이용한 POC 진단 분석 • 건보 데이터 이용한 POC 관련 진단 • 목적 : 자궁 내막암 중 C541 자궁 내막의 악성 신생물과 D070 자궁내막의 제자리 암종이 발생하는 영향성 인자 찾고자 함 Logistic odds ratio Numerical analysis Feature importance Outcome 에 따른 Machine learning model 성능 비교
- 21. 뇌출혈 데이터를 이용하여 뇌출혈 예측 • 뇌출혈 예측 Saliency map
- 22. Q&A