U-Net을 이용한 손가락 정맥영상 segmentation

졸업프로젝트(2020.04~2020.06)

---

이를 통한 심화 연구는 여기에

---

U-Net 요약설명

• U-Net = Convolutional Networks for Biomedical Image Segmentation

순서대로 FCN과 U-Net의 구조(U-Net은 FCN을 기반으로 구축됨)

U-Net이 FCN으로부터 어떻게 변형되었는지를 설명

---

denselayer_based_Unet

• x train data: deepLearning_GAN에서 사용한 데이터의 일부와 이 원본데이터를 augmentation한 데이터를 적절히 섞어 재구성한 손가락 정맥영상 1880장
  

  • 원본데이터 2610장을 그대로 사용하지않은 이유는 한 명의 사람이 한 손가락에 대해 10장씩 영상이 획득되었기때문에 비슷한 영상이 너무 많아 학습이 잘 이루어지지 않을 것을 고려한 것임
  • data augmentation은 데이터의 특성(의료데이터)을 고려하여 flip, crop등의 원본 데이터를 해칠 수 있는 연산을 제외하고 brightness와 contrast만 조절하였음

• y train data: x_train에서 정맥 부분을 강조하여 이진화처리한 영상 1880장
  

• test data: deepLearning_GAN에서 사용한 데이터의 일부와 이 원본데이터를 augmentation한 데이터를 적절히 섞어 재구성한 손가락 정맥 영상 600장
  

  x_train	x_train->y_train처리과정	y_train
  원본	원본+선	원본+선+이진화

• 평가지표: mean IoU(IoU의 평균)

  • IoU = intersection over union = Area of Overlap / Area of Union
    
    
    주로 IoU score threshold 값으로 0.5를 설정함

    R-CNN에서는 ground truth와 proposed region 사이의 IoU 값을 계산해 0.5 이상인 경우 해당 region을 객체로 바라보고 ground truth와 같은 class로 labelling함.
    

    여기서는 bounding box사이의 IoU를 계산하는 것이 아닌 정맥부분이 얼마나 일치하는지를 보는 것이므로 정맥의 굵기 차이로 인해 IoU값이 낮게 나올 수 있음

• 결과:
  

  x_test 원본영상	x_test 정답영상	x_test predict영상	x_test predict_upsampled영상

---

참고자료

• 이론참고

  • https://mylifemystudy.tistory.com/87?category=797525
  • https://www.quantumdl.com/entry/%EB%94%A5%EB%9F%AC%EB%8B%9D%EC%9D%84-%EC%9C%84%ED%95%9C-Atrous-Convolution%EA%B3%BC-UNet-%EA%B5%AC%EC%A1%B0-%EA%B0%84%EB%9E%B5%ED%95%9C-%EC%97%AD%EC%82%AC
  • https://www.kakaobrain.com/blog/64
  • https://jetsonaicar.tistory.com/14
  • https://ballentain.tistory.com/12

• 코드참고

  • https://www.kaggle.com/keegil/keras-u-net-starter-lb-0-277
  • https://www.kaggle.com/eduardomineo/u-net-lung-segmentation-montgomery-shenzhen#4.-Results