본문 바로가기

Education

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

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