컴퓨터비전, 머신러닝, 딥러닝을 이용한 의료영상분석 2-1 Introduction to medical image classification
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/63124/
4주간 Medical classification을 살펴볼 것
Logistic regression, Neural network 등 전통적인 방법
어떻게 사용되는지 볼것
Demographic score : 환자정보들을 의료영상 분류에 효과적으로 이용해주기 위한 방법
Brain image classification
Normal vs Mild Cognitive Impairment(경도인지 장애) vs Alzheimer's Disease
WM, GM, CSF : 회백질 (gray matter, GM), 백질 (white matter, WM),. 뇌척수액 (cerebrospinal fluid, CSF)
경도인지 장애 : 동일 연령에 비해 인지기능이 떨어져 있으나, 일상생활동작의 독립성은 보존되어 있는 상태
=> 보통 노화와 알츠하이머의 중간단계를 의미할 때 사용
URL : https://terms.naver.com/entry.nhn?docId=926670&cid=51007&categoryId=51007
ADNI(Alzheimer's Disease Neuroimaging Initiative)의 데이터 세트
http://adni.loni.usc.edu/data-samples/
영상이 크다
나이가 들어도 알츠하이머와 같은 형태가 나타나기도 함
=> 나이, 성별에 따른 상태 진단 구별 또한 중요
알츠하이머의 경우 이미 치료 시기를 놓친 경우 어려움이 있기에 조기 진단의 필요성이 높아짐
=>Mild Cognitive Impairment(경도인지 장애)를 미리 구분하는 진단 필요
screening(2. (질병·결격 사유 등을 찾기 위한) 검사[심사])을 보수적으로 진행
=> normal을 abnormal로 진단하는 것은 괜찮지만 abnormal을 normal로 잡아내는 것은 그렇지 않도록 선별함
Demographic score를 어떻게 활용할지 알아볼 것
Pathology image classification
https://camelyon17.grand-challenge.org/Data
저해상도의 세포, 핵의 변화를 살펴볼 수 없기에 고배율로 봄으로써 진단
어려운 점 : 영상의 크기가 커서 암을 분석하는데 시간이 오래걸림 -> 자동화 필요(인공지능 사용)
Challenges in Medical Image Classification
1) Limited data (ADNI, TCGA에서 데이터 보완)
https://portal.gdc.cancer.gov/ : U.S. Department of Health and Human Services, National Institutes of Health, National Cancer Institue, USA gov 총괄 관리
2) Large image size (3D)
3) Small changes (이상이 있는 부분이 작음)
4) Demographic scores (나이, 성별, 다른 정보 바탕으로 진단)
Classification
1) Conventional methods : Logistic regression, Neural network, Support vector machine, Random forest
2) Deep Learning methods : Deep neural network, Convolutional neural network(VGG, ResNet, DenseNet)
Linear regression
