본문 바로가기

Theory/Project

패스트캠퍼스 DS 스쿨 14기 X-Ray 사진을 이용한 바이러스성 페렴 구분 프로젝트 소개

반응형

이미 많은 글들 속에서 저는 패스트캠퍼스라는 기관에서 데이터사이언스 관련 수업을 진행하고 있습니다. 패스트캠퍼스는 기수로 구분을 하고 있는데요. 최근 저는 14기 분들의 수업 중 진행한 프로젝트를 소개하고 있습니다. 이번에도 재미있는 프로젝트를 소개하려고 합니다. 

2012년으로 저는 기억하는데요. 그 때 저는 한 회사의 연구소장이었습니다. 그 때 처음 인사를 했던 한 회사가 있었는데요. 그 회사가 지금 소개할 딥노이드(deepnoid)라는 회사입니다. 물론 그때는 다른 이름이었지만 말이죠. 저는 패스트캠퍼스에서 수업을 하면서 어떻게 하면 수강생들에게 보다 의미있는 실습과제를 진행할 수 있을지 고민이 많았습니다. 어떻게 하면 HW power부터 데이터, 프로젝트 리딩까지 잘 해야 수강생들에게 보다 좋은 기회를 줄 수 있을지 말이죠.

딥노이드가 제공하는 딥파이(아직은 완전 런칭단계는 아닙니다.)를 이용할 수 있다는 기회를 받은거죠. 다시한번 딥노이드에 감사를 드립니다.^^ 딥노이드의 딥파이를 사용하면 모델을 빠르게 구축해서 테스트할 수 있습니다.

이제 그런 프로젝트를 소개해보겠습니다. X-ray 사진을 가지고 폐렴을 구분하는 프로젝트입니다.

이 팀은 모델링, 데이터 증강, 전처리, 튜닝 등을 매우 체계적으로 수행을 했습니다.

일단 이 팀의 데이터는 정상 사진, 박테리아성 폐렴, 그리고 Covid19와 같은 바이러스성 폐렴을 X-Ray 사진으로 구분하는 것입니다.

사진의 크기는 들쑥날쑥하고, 3개 클래스 모두 샘플 수는 다르지만 3000천장이 안됩니다.

이 팀은 꽤 많은 모델을 다양한 경우의 수를 두고 테스트를 했습니다.

전처리도 많은 경우의수를 놓고 테스트를 해서 꽤 시간을 많이 들인 상태입니다.

데이터 증강도 많이들 시도했고, 증강해서는 안되는 절차도 있다는 것도 찾아보고 했습니다.

모델도 그 구조를 공부해가며 학습겸 프로젝트를 수행했지요.~

결과 분석도 꽤 체계적으로 진행했습니다.

그러면서 필요한 절차를 확립해갔습니다.

좋은 성능이 나온 모델도 확정지었구요.

물론 마지막에는. 딥파이라는 서비스에 의존하지 않고 직접 확정된 모델을 직접 코드로 구현도 해 보았습니다.~ 수강생들에게 참 좋은 경험이 되었다고 생각합니다. 이런 기회를 준 딥노이드에 다시 한 번 감사를 드립니다.^^

반응형