💡 AOV_dysplasia_Classification

Purpose

십이지장 유두부에 존재하는 선종의 유무를 판단하기 위한 딥러닝 모델 구현(Binary Classification)

Requirements

• Python 3.6.13
• PyTorch 1.10.2

Data Curation

Dataset Distribution

• 내부 정상/비정상 데이터, 외부 비정상 데이터 존재
• 내부 데이터의 경우 비정상 데이터가 정상 데이터에 비해 많아, Data Imbalance 문제 존재

Image Cropping

• 내부 데이터만 이용할 경우 인터페이스가 동일하기 때문에 환자의 curation 정보를 제외한 이미지가 존재하는 Pixel값을 지정하여 Image Cropping을 진행
• 외부 데이터를 이용할 경우 인터페이스가 달라 두가지 이미지 전처리 진행
  • __Opening 방법__을 통해서 원본 이미지에 있는 text 제거
  • __Canny edge detection 방법__을 이용하여 edge 추출
  • 이렇게 나온 edge를 이용하여 index를 찾아서 cropping을 진행

DataSplit

• 각 중증도 별로 Patient를 기준으로 8:1:1, 7:1.5:1.5 비율로 Split

Study Design

Pilot Study

• Model : Resnet 50(pretrained model)
• Augmentation(Image Augmentation Library, albumnetation 이용)
  • Resize, RandomScale, RandomRotate90, RandomVerticalFlip, RandomHorizontalFlip, RandomBrightnessContrast
• Threshold(accuracy) : 0.5
• Epoch : 100
• Optimizer : Adam
• Loss Functioin : BCE(Binary Cross Entropy)
• Batch Size : 16
• Learning Rate : 0.0001

📋 Experiments List

• __Data Imbalance 문제__를 해결하기 위해 두 가지 방법 적용 1. Focal Loss
  2. WeightedRandomSampler 적용

• Augmentation 추가(CLAHE)

• Abliation Test (Se_ResNet, Resnet50)

• Scheduler(Exponential LR(gamma : 0.95))

• 외부 데이터 추가하여 실험

• Grad-Cam을 통해서 현재 학습된 모델이 잘 학습되었는지 확인