시기

• 2022.03 ~ 2022.04

프로젝트 소개

• 분당 서울대 병원에서 갑상선 초음파 데이터를 전달 받아 어노테이션 후 학습 진행

개발 환경

인력구성

• AI 엔지니어 1명

역할

• 분당 서울대 병원에서 수집한 데이터 어노테이션
• Yolo v5 객체 검출 모델을 이용한 학습 및 평가

  • 이미지에서 결절만 어노테이션 후 학습 시

    

    [사진 1] 1차 학습 그래프

    • 결절의 경계가 흐린 경우를 제외하고 [email protected] 0.894로 도출
    • 데이터에 경동맥, 협부와 유사하게 생긴 결절이 있어 오검출하는 문제 발생

    

    [사진 2] 1차 학습 모델의 검증 데이터 셋에 대한 평가지표

  • 이미지에서 결절, 경동맥, 협부 어노테이션 후 학습 시

    

    [사진 3]2차 학습 그래프

    • 경계가 희미한 경우에 대한 검출력이 향상되지 않았으나, 오판율은 감소함.
    • 평균 [email protected] 0.967로 도출되어 전체적인 검출력이 증가

    

    [사진 2] 2차 학습 모델의 검증 데이터 셋에 대한 평가지표

결과

• 사내 테스트 시 레이블 별 [email protected]

  	[email protected]
  결절	0.953
  경동맥	0.984
  협부	0.964

• 분당 서울대 병원에서 실증 테스트 결과 평균 [email protected]는 0.83으로 도출