뼈는 우리 몸의 구조와 기능에 중요한 영향을 미치기 때문에, 정확한 뼈 분할은 의료 진단 및 치료 계획을 개발하는 데 필수적입니다. Bone Segmentation은 인공지능 분야에서 중요한 응용 분야 중 하나로, 특히, 딥러닝 기술을 이용한 뼈 Segmentation은 많은 연구가 이루어지고 있으며, 다양한 목적으로 도움을 줄 수 있습니다.
- 질병 진단의 목적으로 뼈의 형태나 위치가 변형되거나 부러지거나 골절 등이 있을 경우, 그 부위에서 발생하는 문제를 정확하게 파악하여 적절한 치료를 시행할 수 있습니다.
- 수술 계획을 세우는데 도움이 됩니다. 의사들은 뼈 구조를 분석하여 어떤 종류의 수술이 필요한지, 어떤 종류의 재료가 사용될 수 있는지 등을 결정할 수 있습니다.
- 의료장비 제작에 필요한 정보를 제공합니다. 예를 들어, 인공 관절이나 치아 임플란트를 제작할 때 뼈 구조를 분석하여 적절한 크기와 모양을 결정할 수 있습니다.
- 의료 교육에서도 활용될 수 있습니다. 의사들은 병태 및 부상에 대한 이해를 높이고 수술 계획을 개발하는 데 필요한 기술을 연습할 수 있습니다.
2024/11/13 ~ 2024/11/28
| Type | Description |
|---|---|
Feat |
새로운 기능을 추가 |
Fix |
버그 수정 |
Refactor |
코드 리팩토링 |
Experiment |
실험용 코드 |
Comment |
주석 추가 및 수정 |
Remove |
파일을 삭제하는 작업만 수행한 경우 |
git commit -m "[#issue] Feature : message content"├── 📄 .github
├── 📄 .gitmodules
├── 📁 EDA/ # 데이터 탐색 코드
├── 📁 Ultralytics/ # YOLO 모델 관련 코드
├── 📁 base/ # 기본 설정 및 메인 코드
├── 📁 mmseg_base/ # MMSegmentation 관련 설정
├── 📁 utils/ # 유틸리티 코드 및 도구 ( 시각화, 앙상블, K-fold, GradCAM 등 )
└── 📄 README.md # 프로젝트 개요 문서
1st. dice : 0.9759
1st. dice : 0.9771
| Architecture | Encoder | LB Score |
|---|---|---|
| UNet | EfficientNet-b7 | 0.9734 |
| UNet++ | HRNet_w64 | 0.9738 |
| UNet | ResNet50 | 0.9738 |
UNet은 대칭적인 U자 형태의 구조로, Encoder-Decoder 간의 Skip Connection을 통해 고해상도의 세밀한 특징을 효과적으로 보존할 수 있어 뼈와 같은 정밀한 구조를 추출하는 데 적합해서 선정되었습니다.
- EfficientNet-B7: 높은 파라미터 효율성과 강력한 특징 추출 능력으로, UNet 구조와 결합 시 연산 효율성과 정확도를 동시에 향상시켜주었습니다.
- HRNet_W64: 다양한 해상도에서의 정보를 유지하며 복합적인 세부 사항을 추출할 수 있어 UNet++과 함께 세밀한 특징을 효과적으로 학습합니다.
- ResNet50: 깊은 Residual 구조로 강력하고 안정적인 학습을 가능하게 하며, UNet과 결합해 균형 잡힌 성능을 제공합니다.
| Target | LB Score |
|---|---|
| ResNet + Efficient + HRNet | 0.9735 |
| ResNet + Efficient | 0.9738 |
| YOLO + Efficient(Soft Ensembled) | 0.9689 |
| Target | LB Score |
|---|---|
| Efficient Fold 1,2,3,4,5 | 0.9734 |
| HRNet Fold 1,2,3,4,5 | 0.9738 |
AI Tech 7th - CV 8조 🌏 여름엔 쪼꼬만두 호두베리찐빵