플러스프로젝트 배경
1) 문제점 - 기존 연구들은 종양 위주의 patch 기반 예측으로 전체 CT 구조 정보 반영 부족 2) 연구 필요성 - 실제 임상에선 전체 슬라이스 기반 판단 - 악성/양성 구분에 복합적 정보 필요 3) 프로젝트 목적 - 전체 슬라이스 기반으로 악성 여부 판단 - Attention Module을 적용하여 작은 결절까지 판단 가능한 해석형 모델 개발
프로젝트 성과
모델별 파라미터 수와 성능 비교
ResNet18 88.75%
ResNet34 87.00%
ResNet34_3ch 89.88%
DenseNet121 88.88%
EfficientNet-b0 85.12%
EfficientNet2_s 86.62%
ResNet34 87.00%
ResNet34_3ch 89.88%
DenseNet121 88.88%
EfficientNet-b0 85.12%
EfficientNet2_s 86.62%
핵심 기능
Attention Module
- 폐에 존재하는 다양한 병변들을 학습에서 Attention 하여 작은 병변까지 잘 잡아낼 수 있게 되었다.
진행 단계
paper searching 및 기획
2025.04.
- 폐암 판별 보조 AI 개발 논문들과 관련 모델들을 서칭하여 정리 후 방향과 기획 수립
프로젝트 상세
- 기간 : 2025.04.28 ~ 2025.05.26 - 역할 : ResNet18 + CBAM + MGA(MSE, KLDiv) 구조 설계 및 성능 실험 주도, 발표자료(PPT) 및 보고서 작성 - 주요 내용 : • LIDC-IDRI 기반 데이터셋 전처리 (resize, rotation, mask 적용 등) • Grad-CAM / Score-CAM 시각화 및 병변 영역(BBox)과 정렬도 측
