• 목록

<발표 후기>
11월 7일 (화)
세션 : C-2. 의료/산업 데이터마이닝

이번 추계 데이터마이닝학회에서는 H&E 채널의 구조 정보 보존을 위한 다중 도메인 염색 정규화라는 주제로 발표를 진행했다. 본 연구는 스캐너에 따라 달라지는 색상 분포를 해결하기 위해 구조는 강건하게 유지하며 색상을 translation 하기 위한 stain normalization 기법을 제안하고 있다. CycleGAN을 기반으로 H&E structure consistency loss를 추가하여 H, E 및 H&E의 각 채널이 최대한 구조 정보를 유지하면서 target domain의 색상 분포로 변경되도록 하였다. 최근, 디지털 병리에 대한 연구가 활발하게 진행됨에 따라 stain normalization 관련된 연구의 필요성도 증가하고 있다. 그러나 현재까지는 해당 도메인에 대해 청중들이 모르는 경우가 많은 것 같아 짧은 발표 시간 내에 집약적으로 설명할 수 있는 능력이 필요하다는 생각이 들었다.


<청취 후기>
11월 7일 (화)
세션 : B-1. 딥러닝
제목 : Local test time training of neural network

일반적으로 전역 학습의 큰 모델을 활용하여 전체 학습 데이터셋에 대한 손실함수를 줄이는 방향으로 인공신경망의 학습이 진행된다. 그러나 global하게 좋은 성능을 보이더라도 local 영역의 정보를 모두 잘 반영하지 않기 때문에 기존의 전역학습은 지역적인 패턴을 간과할 수 있다는 점을 개선하고자 하였다. 본 발표에서는 전체 데이터 영역을 보다 잘 일반화하기 위하여 전역학습된 모델의 inference phase에서 local learning을 추가적으로 적용시키는 방식에 대해 제안하였다. 특히 test-time local learning을 통해 추론 단계에서 test data point와 유사도가 높고 근접한 이웃들을 찾아 이를 활용하여 fine tuning 한 후 최종 예측 결과를 얻었다. 해당 제안 방법론은 회귀, 분류 데이터셋 모두에서 좋은 예측 성능을 보였으며 모든 구조의 network에 적용 가능하다는 부분이 큰 이점이라는 생각이 들었다.