Self-Supervised Learning을 활용한 COVID-19 이미지 classification하였다.
1. 데이터셋
SIIM-FISABIO-RSNA COVID-19 Detection을 활용 Typical appearance 일반적으로 보고되는 COVID-19 환자의 영상 Indeterminate appearance 비특이적 특징을 가지고 있는 COVID-19 환자의 영상 Atypical appearance 흔하지 않거나 보고되지 않은 COVID-19 환자의 영상 Negative for pneumonia 폐렴의 특징이 없는 환자의 영상 의료 데이터이기 때문에 이미지가 png 파일이 아니라 다이콤 파일.
2. 담당한 역할
WandB 를 활용해서 Hyper parameter search 하기 Classification을 위한 Baseline Code를 Pytorch로 구현 massive한 실험을 위한 design 세팅
3. 깨달은 점
Wide Deep Model 적용 의료영상은 보통 dcm format으로 되어 있지만, 촬영 기기에 따라 비트수가 다름. MLops flatform(WandB)를 사용하면 실험 시간을 굉장히 단축할 수 있음. Mixed Precision 기법을 사용해서 training 시간을 획기적으로 줄임. Bayesian search 방식이 grid와 random search에 비해 효율적임.