Create Opportunities

https://arxiv.org/abs/2303.16160 One-Stage 3D Whole-Body Mesh Recovery with Component Aware Transformer Whole-body mesh recovery aims to estimate the 3D human body, face, and hands parameters from a single image. It is challenging to perform this task with a single network due to resolution issues, i.e., the face and hands are usually located in extremely sm arxiv.org 본 논문은 단일 이미지에서 3D 인간 몸체, 얼굴..

22.07.19. 제목 : Graph Convolution Networks for Cell Segmentation [PDF] Graph Convolution Networks for Cell Segmentation | Semantic Scholar Two graph-based convolution methods for cell segmentation to improve analysis of immunostained slides are proposed using advanced deep-learning, spectral-based, and spatial-based graph signal processing approaches to learn features. Graph signal processing www..

지난 방학, 연구실에서의 병리 AI는 너무 어렵게 느껴졌다. 정리했던 내용을 블로그에 옮깁니다. 22.07.05. 제목 : Graph Representation Forecasting of Patient’s Medical Conditions: Toward a Digital Twin Graph representation forecasting of patient's medical conditions: towards a digital twin Objective: Modern medicine needs to shift from a wait and react, curative discipline to a preventative, interdisciplinary science aiming at providing pe..

딥러닝 주요 개념들의 시작이 되었던 논문을 읽어볼 수 있는 좋은 기회라고 생각하였다. 딥러닝의 주요 개념을 잘 모르고 사용하는 경우가 많았다. 모르는 개념에 대해서 전부 찾아보고 확실히 이해하는 것이 쉬운 일은 아니었다. 본 논문은 Batch Normalization의 시작과 그 내용을 다룬다. Overfitting 방지를 위해서 해당 기법을 사용하는 정도만을 알고 있었고 이유는 모르는 상태였기에, 원리를 깊게 이해하고 싶은 마음이 컸다. Highlights 딥러닝의 학습에 있어서 파라미터가 업데이트됨에 따라 데이터의 입력 분포가 변경되는 Internal covariate shift 현상은 불가피하다. 이를 해결하고자 하는 Batch Normalization은 Hidden layer의 입력 분포 또한 조..

요즘 산학 프로젝트를 진행하면서, 어려움을 겪고 있다. 방학 중 여러 종류의 GAN 모델에 대해서 논문을 찾아보고, 공부한 기억을 더듬어 글을 작성해보려 한다. DCGAN은 CNN을 GAN에 처음으로 적용시킨 똑똑해진 생성 모델이다. 발전된 GAN 모델로써 처음 등장했다고 볼 수 있다. GAN에 대한 내용을 알고 있어야 하는건 당연하다. 간단히 요약하면! Generative Adversarial Networks의 약자인 "GAN"은 학습 데이터들의 분포를 학습해, 같은 분포에서 새로운 데이터를 생성할 수 있도록 Deep Learning 모델을 학습시키는 프레임워크라고 할 수 있다. Generator와 Discriminator가 적대적으로 싸우면서 각자의 역할을 충실히 해내며 데이터를 생성해내는 모델인데,..

Background 논문의 제목에서 알 수 있다시피 Instance segmenation 기반의 접근을 통해서 병리 이미지에 대한 Multi object detection과 그리고 병변 위치를 localization 할 수 있도록 해보자! 하는 그런 연구의 논문이다. 논문의 Method를 이해하기 전 알고 가면 좋을 내용이 있다. 우선, 본 논문은 자동 진단 시스템과 관련된 task를 다루는 논문이다. 자동 진단 시스템은 점점 더 발전하고 있고, 본 논문 이전에도 진단 자동화와 관련된 연구는 무척 많았기 때문에, 이전 연구들이 고안해낸 시스템들의 한계를 언급하면서 시작하고 있다. 1. 자동화된 시스템으로 진단을 하게 되면, 시스템이 보통은 이전에 진단을 내려본 경험이 있는 병들로만 진단을 내리게 된다. ..

연구실 병리학 세미나에서 CELNet: Evidence Localization for Pathology Images using Weakly Supervised Learning 논문을 리뷰하는 시간을 가졌다. 논문에 대한 기존의 리뷰 자료가 전혀 없던터라 힘들었다.. 본 논문은,, 딥러닝이 digital pathology의 많은 task에 있어서 성능 향상을 보여줬지만, 여전히 임상 실험들에 대한 해석력이 좋지 않고, object localization 향상을 위한 설명력이 요구되고 있는 문제를 극복하기 위한 연구의 내용을 담고 있다. Weakly Supervision을 기반으로 한 접근법을 제안하는데, 난 Weakly Supervision도 제대로 알지 못하고 있었기 때문에 해당 개념부터 공부해야했다....