컴퓨터비전, 머신러닝, 딥러닝을 이용한 의료영상분석 2-7 Classification with demographic scores

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

Demographic Scores

의료 영상을 연구할 때 Demographic Scores을 동시에 고려해야 합니다.

Brain 변화는 다양한 factor들에 의해 영향을 받습니다.

이에 normal subject를 linear regression 사용

ex) Subject별 Feature 1과 Age를 Linear Regression Model을 사용

residual 값을 구하여 normalize합니다.

normal에 대해서 residual 값이 작은 반면 abnormal의 경우 residual이 큽니다.

age/gender etc 다른 feature들에 대한 correlation을 구합니다.

1) Training

Given : Images, Demographic Scores(D.S), Label

Images -> Feature extractor -> Feature들을 뽑음 + Demographic Scores(D.S) -> Linear Regressor -> Residual + Label -> Classifier(LR, NN, DNN)

2) Testing

Given : Image, Demographic Scores(D.S)

Images -> Feature extractor -> Feature들을 뽑음 + Demographic Scores(D.S) -> Linear Regressor -> Residual -> Classifier를 통한 Label prediction

Demographic Scores(D.S)를 효율적으로 사용하기 위해 Linear Regressor를 사용 : Medical Image에서만 사용

최근에는 Image로 바로 Classifier를 사용

Data가 많은 때는 Linear Regressor normalize를 사용하지 않음

Quiz 2 결과(답은 각자 알아서 공부해서 할 것!)

저작자표시