• 목록

<발표 후기>
11월 3일 (금)
세션 : S4.인공지능
제목 : A Framework for Early Detection and Interpretation of Concept Drift

이번 ACK2023에서 컨셉 드리프트를 고려한 조기탐지 및 해석 프레임워크라는 주제로 구두 발표를 진행했다. 본 연구는 반도체 제조 과정에서 생산 가용 능력이 저하되는 시점을 조기 탐지하고 원인 변수를 역추적하기 위한 프레임워크를 제안하고 있다. 시간이 지남에 따라 변이하는 데이터에도 기존에 구축해놓은 학습 모델이 지속적으로 좋은 성능을 내기 위한 것이 주요 목적이다. Incermental learning을 통해 현재 시점의 데이터가 이전 데이터와 분포가 다르더라도 강건한 성능을 내고자 하였다. 제안 기법의 성능 검증은 재공 재고량을 정확히 예측했는지에 대한 정확도 측면과 업데이트 횟수, 훈련 시간에 대한 효율성 측면에서 비교하였다. 제안 방법론은 다른 기법 대비 좋은 성능을 보였으며 SHAP을 통해 재공재고량이 낮게 예측된 다음 시점에 대해 원인 변수를 해석하였다. 추후 재고량이 낮게 예측된 이상 상황을 조기 탐지하기 위해 제안하는 프레임워크를 확장할 계획이며, 보다 다양한 비교 실험들을 진행하고자 한다.

<청취 후기>
11월 3일 (금)
세션 : S4. 인공지능
제목 : 다중 축 슬라이싱 및 3 차원 재구성을 통한 갈비뼈 세그멘테이션
갈비뼈 병변 진단 시에 2차원 CT 이미지를 슬라이스를 하나씩 관찰하며 진단하기 때문에 자동화 프로세스를 통해 신속한 병변 탐지 및 진단이 필요하다. 전처리된 CT 이미지는 Rib segmetation 과정을 거친다. 해당 부분에서는 U-net으로 segmentation을 진행하게 된다. Encoder-decoder를 통해 예측된 3가지 평면의 결과를 활용해 3차원 볼륨을 생성하는 3D reconstction을 진행한다. 3가지 평면은 sagittal, frontal, transverse로 각 평면의 결합된 segmentation mask는 하나의 3차원 볼륨을 만들게 되는데 특정 공간에 위치한 복셀이 뼈인지 아닌지를 판단하게 된다. 개별 3차원 좌표에 위치한 복셀 값의 평균을 계산하여 특정 임계치를 기준으로 뼈의 유무를 판단하는 과정으로 진행된다. 해당 임계치가 학습 모델의 성능을 좌지우지하는 중요한 값으로 생각되어 어떻게 임계치를 설정했는지에 대해 질문을 드렸다. 답변으로 복셀값 평균 값과의 비교를 통해 임계치를 초과할 경우 뼈로, 그렇지 않은 경우 뼈가 아닌 것으로 판단한다고 전달 받았다. 여러 값과의 비교 실험을 통해 0.5가 가장 최적의 성능을 보인다고 하셨으나 데이터에 따라 해당 하이퍼파라미터 값이 학습 모델의 성능에 여전히 큰 영향을 미칠 것으로 생각된다. 해당 발표는 CT 이미지라 우리 연구실에서 사용하는 병리 이미지와는 조금 다르지만 의료 데이터 내에서 3D reconstruction에 대한 연구가 활발하다는 것을 체감할 수 있었다. 특히, 본 연구를 진행하고 있는 연구원들에게 도움이 될 것이라고 생각하였다.