• 목록

<발표 후기>
5월 2일 (목)
세션 : B2. 산업인공지능 응용 분야(4)
제목 : Signed distance map-oriented contrastive learning for semantic segmentation in magnetic resonance imaging
이번 산업공학회에서의 발표는 mr 이미지 상에서 segmentation을 수행 시에 signed distance map을 통해 object에 대한 경계면을 잘 탐지하고 segmentation의 성능을 강건하게 나타내도록 하는 방법론에 초점을 맞췄다. 기존의 방식은 U-Net구조에 segmentation에 대한 결과와 segmentation 결과를 이용한 pixel 단위의 contrastive learning을 진행하는 구조로 이뤄져있었다. 해당 모델은 pixel 단위에 초점을 맞추는 contrastive learning을 진행하기 때문에 segmentation 하고자 하는 object에 대한 전역적인 정보에 대해서는 무시하거나 제대로 파악하지 못한다는 문제가 있다. 이를 signed distance map을 적용하여 해결하고자 해당 방법론을 제안하였다. Signed distance map은 이미지 내 pixel의 위치를 object의 경계면과의 계산하여 내부 혹은 외부에 따라서 부호를 다르게 처리하는 방식을 택한다. 이러한 방식을 통해 object에 대한 전역적인 경계 및 형태에 대한 정보를 잘 파악할 수 있다는 장점을 갖는다. 제안하는 방법론에서는 segmentation 결과에 대해서 signed distance map 연산 과정을 추가하여 loss 연산에 그 결과값을 추가하고, contrastive learning에 signed distance map 추가 여부를 달리하며 실험을 진행하였다. 결과적으로는 segmentation loss, signed distance map loss, 그리고 signed distance map을 적용한 contrastive loss를 사용하였을 때 segmentation의 결과값이 가장 좋은 결과를 보였다. 앞으로는 해당 연구에 이어 mr 이미지가 아닌 병리 이미지에 대해서 signed distance map을 적용하는 방식으로 연구를 진행하고자 한다.

흥미롭게 들었던 발표는 dense passage retrieval 개념으로 대조학습을 적용한 사례 연구였다. DPR은 오픈 도메인의 질문 답변 분야에서 사용되는 문서 검색 기법으로, 본 연구에서는 information retrieval 단계에서 학습의 난이도가 성능에 영향을 미칠 수 있다는 점을 염두에 두고 gradient accumulation을 적용한다. 다만, graident accumulation이 대조학습 기법에 적절하지 않다는 점에서 착안, encoder를 freeze한 상태에서의 query, passage를 추출, 역전파를 통한 모델의 업데이트 방식을 통해 문제를 해결하는 아이디어를 제안한다. 해당 연구 분야는 처음 접해보는 연구분야였으며, 관심을 두고 보는 대조학습에 대해 새로운 아이디어를 적용한 방식이 특이했다고 생각했다.