컴퓨터비전, 머신러닝, 딥러닝을 이용한 의료영상분석 8-1. Fully Convolution Network(FCN)

컴퓨터비전, 머신러닝, 딥러닝을 이용한 의료영상분석 8-1. Fully Convolution Network(FCN)

본 내용은 Edwith의 컴퓨터비전, 머신러닝, 딥러닝을 이용한 의료영상분석을 요약 정리한 내용으로 DGIST 박상현 교수님과 Edwith, STAR-MOOC에 그 저작권이 있음을 미리 공지합니다.

URL : https://www.edwith.org/medical-20200327/lecture/63161/

8주차에서는 딥러닝 기반의 Segmentation을 알아볼 것

영상으로부터 Feature들을 추출하여 원본영상 크기의 Segmentation을 Prediction

Segmentation 성능 측정을 위한 측정법 또한 알아볼 예정

Segmentation using Deep Learning

Training Data로부터 CNN을 이용한 방법 사용

단점 모든 patch에 대해 prediction을 해야함

Segmentation을 end-to-end를 하기 위해서는 영상 단위 label이 필요

FCN 제안

Fully Convolutional Networks(FCN)

Fully Connected Layer 대신 1x1 conv를 사용

마지막 Softmax

각 위치별 conv prediction을 통한 label value 정하기

OverFeat: Integrated Recognition, Localization and Detection using Convolutional Networks

ICLR 2014, citation 4085회(2020.09.17 기준)

https://arxiv.org/abs/1312.6229

segmentation을 위한 FCN 논문

Fully Convolutional Networks for Semantic Segmentation

CVPR 2015, citation 18010회(2020.09.17기준)

https://arxiv.org/abs/1411.4038

downsampling을 통해 만들어낸 NN을 기반으로 점진적인 upsampling과 skip connection을 통하여 좀 더 디테일이 실린 segmentation을 진행할 수 있습니다.

다음 차시부터는 좀 더 향상된 것들에 대하여 알아볼 것입니다.