2021-12-17 > [공모전 2등]
- 소아흉부 폐질환 진단 및 분류- NIA , 과학기술정보통신부, FA_solution , 고려대학교

[내용증명] : 공모전수상.pdf

---

흉부 폐질환 진단 및 분류 / Pediatric pulmonary disease detection

[Full_PDF] : 흉부.pdf

[Demonstration_Video] : Demonstration.zip

[presentation] : https://www.youtube.com/watch?v=IC1QITRFGHg&ab_channel=CAKD3AI-SOLUTIONPROJECTS

[Environment]

Python = 3.8.10
Tensorflow = 2.7.9

---

[Summary]

Kaggle의 RSNA Pneumonia Detection Challenge X-ray 데이터를 활용하여 흉부 폐 질환 진단 검사 프로그램을 제작했습니다. 총 3개의 질환 분류가 가능합니다. 정상과 폐렴 그리고 진단되지 않은 x-ray 데이터입니다. 전처리이후 CheXNet 딥러닝 모델을 활용하여 3가지 진단이 분류되도록 하였습니다.

[공모전내용 ReadMe]

[Competition]

공모전의 내용은 대외비로 github에 제공할 수 없습니다.
간략히 설명하자면 소아의 페 질환 6개의 질환(정상, 과다팽창, 호흡곤란증후군, 무기폐, 공기누출, 흉막삼출, 폐렴) 을 분류하는 작업입니다.

• 제작환경

    python = 3.6
    Tensorflow = 1.13.1
    Keras = 2.4.2
  

공모전에서 제공받은 독립적인 가상환경에서 하였기에 코드만 업로드를 하였습니다. 공모전 진행시 위와 동일한 과정을 거쳤습니다.

[Project process]

EDA > Preprocess > Image to Array > Classification

[Process]

모델의 성능을 개선하기 위해서 여러가지 전처리 과정을 거쳤습니다.

1. clahe

clahe = cv2.createCLAHE(3.0, (20,20))
Changed_image = clahe.apply(image)

clahe를 적용하고 나서 폐 내부의 데이터를 조금 더 정확하게 파악할 수 있었습니다.

2. U-Net Segmentation

U-net 모델을 적용하여 전체 X-Ray 부분에서 폐만 추출하였습니다. 추출된 데이터를 이용하여 분류 모델에 적용하였습니다.

3. Image Augmentation

이미지 개당 추가로 4개를 증식시켜 학습시켰습니다.

import imagaug

[Model]

딥러닝 모델은 CheXpert에서 개발한 CheXnet을 활용하여 classification을 진행하였습니다.
백본은 Densenet121을 기반으로 진행이 되며, Densenet121이 끝나는 시점에 CheXNet의 가중치가 로드 되면서 ouput 층을 바꿉니다.

아래 내용은 공모전의 내용입니다. (3분류는 7 -> 3)

[GUI]

제작한 모델을 가지고 PyQT5를 이용하여 GUI를 제작했습니다. 제작된 내용은 다음과 같습니다. 시연영상은 위와 동일합니다.

[Teammates]

채승혜 https://github.com/SeunghyeChae

진유훈 https://github.com/JINYUHOON

박기범 https://github.com/KIBEOMP