• 목록

[일시] 2023.10.05

[세미나 주제] Curriculum Learning in Digital Pathology

[요약]
기존의 딥러닝 모델은 쪼개진 배치 단위의 데이터를 랜덤한 순서로 학습하지만 인간의 경우 간단한 것에서부터 점점 더 복잡한 것을 의미있는 순서를 통해 학습하게 됩니다. 학습 모델 또한 데이터의 difficulty를 기반으로 특정한 순서를 정한 후 난이도가 쉬운 것부터 점차 어려운 데이터셋을 학습할 수 있는데 이를 curriculum learning 이라고 합니다. 커리큘럼 러닝을 위해서는 데이터의 difficulty를 정의하는 것이 필수적입니다. 병리학 또한 암을 진단하는 과정에서 개별 patch 이미지에 따라 난이도의 범위가 존재합니다. 따라서 본 세미나에서는 디지털 병리학 분야에 curriculum learning의 활용법을 중심으로 진행하였습니다. Curriculum learning의 기반이 되는 데이터의 난이도를 정의하는 과정에서 annotator agreement, loss function을 적용한 두 개의 논문에 대해 리뷰하고 있습니다.

[참고 논문]
- Curriculum Learning,
- Learn like a Pathologist: Curriculum Learning by Annotator Agreement for Histopathology Image Classification
- Improving Self-supervised Learning with Hardness-aware Dynamic Curriculum Learning: An application to Digital Pathology