본문 바로가기

AI51

[Medical] 의료 이미지 기술의 이해 : X-Ray, CT, MRI, Ultrasound, e tc... 의료 AI 연구에 있어서 환자의 데이터는 필수적인 요소입니다. 특히, 진단 이미징은 의료 데이터 과학에서 중요한 데이터 소스 중 하나로, 다양한 이미징 기술을 통해 얻을 수 있습니다.  여기서는 X-Ray, CT, MRI, Ultrasound 등 주요 의료 이미징 기술들을 소개하고, 각 기술이 어떤 원리로 작동하는지 살펴보겠습니다.또한 기타 몇가지 의료 이미징 기술들도 소개해드리려 합니다. X-RayX-Ray는 전자를 물체에 충돌시켜 생성되는 X선을 사용하여 이미지를 생성합니다.뼈나 기타 조직처럼 X선을 다르게 흡수하는 구조를 시각화하여ㅡ주로 골절이나 폐 질환과 같은 진단에 사용됩니다. Projection Image의 종류이며, 여기서 Projection Image란 신체 내의 파라미터를 2D로 표현하는.. 2024. 5. 10.
[Medical] Image Classification for Covid19 Dataset Kaggle의 Covid19 Dataset을 이용하여 Computer Vision 및 BioMedical 분야의 공부를 진행해보고자 프로젝트를 진행하였습니다. 데이터 출처 : Covid-19 Image Dataset (kaggle.com) Covid-19 Image Dataset 3 Way Classification - COVID-19, Viral Pneumonia, Normal www.kaggle.com 먼저 필요한 라이브러리를 불러옵니다. 저의 경우, 셀마다 필요할때 라이브러리를 호출하는 것이 아닌, 맨 위의 셀에 추가하는 방식으로 라이브러리를 import합니다. (개취 존중..) import os import copy import random import cv2 import torch import .. 2024. 1. 17.
[AI] R-CNN 내용 정리 Object Detection 컴퓨터 비전과 이미지 처리 분야에서, Object Detection은 디지털 이미지와 비디오에서 특정한 계열의 Semantic Instance를 자동으로 감지하는 기술입니다. 이미지 내에서 사물의 위치와 클래스를 정확하게 찾는 작업을 포함하며, 그 중에서도 얼굴 검출, 보행자 검출과 같은 다양한 응용 분야에서 활용되고 있습니다. 물체에 대해 어떠한 물체인지 클래스를 분류하는 문제와, 그 물체가 어디 있는지 Bounding Box를 통해 위치 정보를 나타내는 Localization 문제를 포함하고 있습니다. 크게 두 방법으로, 나눠져 있으며 1-Stage Detector, 2-Stage Detector로 구분할 수 있습니다. 1-Stage Detector : 물체의 위치를 찾.. 2023. 10. 12.
[Streamlit] Streamlit을 사용한 붓꽃 데이터 시각화 프로젝트 이 글에서는 Streamlit과 Seaborn 라이브러리를 활용하여 붓꽃(iris) 데이터를 시각화하는 방법을 소개합니다. 붓꽃 데이터 로드 및 웹 앱 구조 설정 _, col, _ = st.columns([2,6,2]) col.header('Streamlit 시각화') iris_df = sns.load_dataset('iris') 사이드바를 활용한 변수 및 옵션 선택 사용자는 사이드바에서 X 축과 Y 축 변수를 선택하며, 특정 붓꽃 유형 및 그래프의 투명도(alpha)도 설정할 수 있습니다. with st.sidebar: selectX = st.selectbox('X 변수 선택:', ['sepal_length','sepal_width','petal_length','petal_width']) selectY.. 2023. 8. 9.

티스토리툴바