Grace's Tech Blog

https://colab.research.google.com/github/fepegar/torchio-notebooks/blob/main/notebooks/Data_preprocessing_and_augmentation_using_TorchIO_a_tutorial.ipynb#scrollTo=WOivDmo7zF1T Data preprocessing and augmentation using TorchIO - a tutorial.ipynb Run, share, and edit Python notebooks colab.research.google.com

3D Data-Augmentation Using tf.data and Volumentations-3D Library 글에서 나와 있듯이 NiftyNet is a TensorFlow-based open-source convolutional neural networks platform for research in medical image analysis and image-guided therapy. DLTK is an open-source library that makes deep learning on medical images easier, build on Tensorflow. MONAI framework is the open-source foundation being created by Project M..

Field-of-view (FOV) refers the distance (in cm or mm) over which an MR image is acquired or displayed. The FOV is typically divided into several hundred picture elements (pixels), each approximately 1 mm² in size. Although the field-of-view and pixel size may vary in each of the cardinal directions, for clarity of explanation we will consider only the symmetric, 2-dimensional case where FOVx = F..

어제 landmark들의 위치 평균을 내보기에 앞서, 모든 landmark를 시각화 해보았는데, 의료영상에 대한 Header정보가 중요하다는 것을 다시 한 번 느낄만한 일이 발생했다. 다행히도 교수님께서 바로 설명해주셔서 의문은 해결되었는데.. 나아가 미뤄왔던 DICOM에 대해서 공부를 시작해야겠다는 생각이 들었다. 병원에서 의료 영상이 어떻게 취득되고 서버에 저장되는지 그리고 의사들에게 어떻게 보여지는지 살펴보자. 병원에는 보통 PACS(의료영상저장전송시스템)라고 하는 시스템이 설치되어있다. Medical Image 장비(X-ray, CT, MRI .. 등)으로 의료영상을 찍으면, 그 영상이 DICOM format으로 변환이 된다. 그러면 PACS 서버에 저장이 되고, 의사분(end user)들께서 의..

+ 강화학습을 배우고 구현하고자 노력하는 중으로, 이해한 바를 남기고자 하는 노트 정리와 비슷한 것입니다. 따라서 정확하지 않은 내용이 있을 수 있습니다. 현재 참고하고 있는 논문) 은 해당 논문의 6. Conclusion and discussion에서 Future work로 "It will be interesting to explore methods that allow such agents to communicate, e.g. by sharing their learned knowledge."라고 언급하면서 후속 논문은 이에 대한 내용일 것이라 예상할 수 있다. 그리고 와 이다. 이것이 앞선 논문의 후속 논문으로 보이며 첫번째 논문의 코드(tensorpack사용)을 pytorch로 refactoring함..

학습목표 - Exploration and Exploitation 의 이해 - Epsilon-greedy Strategy의 이해 Single agent approaches로 Anatomical landmark detection을 하는 프로젝트를 진행하기 위해 참고한 논문에서 training하는 방법으로 "During training, the agent follows an epsilon-greedy policy. The terminal state is reached when the distance to the target landmark is less or equal than 1mm. During testing, the agent starts in the 80% inner region of the image..

Important progress for improving the accuracy of object detectors has been recently possible with Convolutional Neural Networks (CNNs), which leverage big visual data and deep learning for image categorization. A successful model is the R-CNN detector proposed by Girshick et al. RCNN = Region Proposal + CNN 1. selective search: 일단 물체가 있을 것 같은 공간에 2000개 정도로 box를 많이 뽑는다. Generating category indepe..

Alansary, Amir, et al. "Evaluating reinforcement learning agents for anatomical landmark detection." Medical image analysis 53 (2019): 156-164. With Medical Image, since manual landmark annotation is time consuming and error prone, automatic methods were developed to tackle this problem. They formulate the landmark detection problem as a sequential decision making process of a goal-oriented agen..

※ 많은 부분을 Machine Learning 스터디 (20) Reinforcement Learning을 참고하여 작성하였습니다. + Reinforcement Learning에 대해 공부한 것을 정리한 것입니다. 배우는 중이라 잘못된 내용이 있을 수 있으며 계속해서 보완해 나갈 것입니다. :)) 1. Reinforcement Learning 학습의 종류에는 supervised learning, unsupervised learning, reinforcement learning이 있다고 배웠다. supervised learning, unsupervised learning은 지금까지 배워보기도 했지만 reinforcement learning(이하 강화학습)은 처음 배우는 거라 강화학습은 무엇이고 왜 필요하게 ..