Body-Morphometry-Kidney-and-Tumor

MOAI 2021 Body Morphometry AI Segmentation Online Challenge

'Remember' Team : 이승리, 서원진, 최재홍

기간

21.09.11-21.09.6

당시 배경 지식

단순 분류/회귀 구현 정도 (정말 기초지식만 보유)

목표

많이 공부하고, 적어도 중간은 가보자

결과

Rank : 10/27

과정

Dicom format에 대해 공부
Segmentation에 대해 공부
Data Preprocessing 코드 구현
Model Train 및 Test 코드 구현
조사 및 여러 실험을 해보며 잘 되는 WW(Window Width:픽셀값의 범위)와 WL(Window Center:기준이 되는 픽셀값)을 찾기
Augmentation 실험적 적용을 통해 효과있는 Augmentation만 남기기
여러 Model 실험
배포 전 데이터가 3D였다는 점을 참고해 데이터 3D로 재구성 하여 3D Model 적용

알게된 점

Dicom format은 다양한 정보가 담겨있는 format으로 쓰고자 하는 정보만 뽑아 쓸 수 있다는 것
Segmentation model의 output channel은 class수와 같다는 것 (처음에 이걸 몰라 많이 헤맸다)
Data에 따라 Augmentation이 악영향을 미칠수도 있다는 것
U-net, Dice loss
Data post-processing도 필요하단 것
의료데이터는 Case별로 Dataset을 나눠야한다는 것
데이터 편향문제의

아쉬운 점

3D모델 적용을 통해 눈에 띄는 성능향상을 보였지만 다시 2D로 나눠 제출 format에 맞추는 것을 실패
3D모델을 가져다 인풋,아웃풋에 대한 layer만 수정했을 뿐 별다른 customizing을 못 한 것
수상팀 코드공개를 안 해 다른 팀들이 어떻게 접근했는 지 알 수 없었던 것

향후 계획

데이터 편향문제 해결방안을 찾아볼 것
3D Model로 제출양식 맞춰서 제출해볼 것