LNDb 그랜드 챌린지에서 1위에 올랐습니다.
2020/04/02 by 카카오브레인

카카오브레인 AutoLearn 연구팀(김일두)이 삼성SDS(권순환)와 팀을 이뤄 참가한 LNDb 그랜드 챌린지(Grand Challenge)에서 30여개 팀 중 1위를 차지했습니다.

LNDb 챌린지는 흉부질환 학술단체인 플라이슈너 소사이어티(Fleischner Society)가 지난 2017년 제안한 관리 지침을 기준으로 흉부 CT(컴퓨터단층촬영) 영상 분류 알고리즘을 개발하는 실력을 겨누는 장입니다.

참가팀은 수백 장의 CT 영상에서 폐결절의 위치와 그 크기를 정확하게 파악할수록, 서로 상충 관계에 놓여 있는 재현도(recall)[1]과 정밀도(precision)[2]를 잘 조절하여 주어진 지침에 따라 추천을 정확하게 할수록 높은 점수를 받게 됩니다.

공동 연구팀은 3D-UNet(nnUNet)[3]에 다양한 어그먼테이션(augmentation), 앙상블(ensemble), 전처리(preprocessing) 기법을 적용했습니다. 특히 카카오브레인이 고안한 SAOL(Spatially Attentive Output Layer for Image Classification)를 추가, 위양성(false positive)[4]을 줄이는 데 큰 도움이 됐다고 설명했습니다.

SAOL은 자가지도학습(self-supervised learning)[5]을 위한 최신 딥러닝 모델로, 이미지 내 특정 물체의 영역까지 알아내는 방식으로 이미지 분류 과제에서 높은 성능을 달성했습니다. 이 연구 성과는 컴퓨터 비전 및 패턴 인식 컨퍼런스(CVPR) 2020에 게재 승인된 바 있습니다.

김일두 카카오브레인 연구원은 "의료 지식이 거의 전무한 딥러닝 엔지니어가 관련 문제를 파악하는 일이 쉽지는 않았다"며 "그럼에도 불구, 폐결절 환자를 진단하거나 치료에 대한 지침이 되는 문서를 꼼꼼하게 읽으며 문제 해결에 필요한 다양한 기법을 적용해본 게 좋은 결과를 내는 데 도움이 된 것 같다"고 설명했습니다.

카카오브레인 AutoLearn 연구팀은 자사 AutoML 기술력을 고도화하며 의료 영상 등 다양한 컴퓨터 비전 분야에 기여한다는 계획입니다.


참고
[1] 실제로 참인 것 중에서 모델이 참이라고 예측한 것의 비율
[2] 모델이 참이라고 예측한 것 중에서 실제로 참인 것의 비율
[3] 영상 분할 태스크에서 가장 선호되는 모델 중 하나로, 인코더-디코더 구조에 스킵 커넥션(skip-conntection)에 추가됐다.
[4] 질병이 없는데 있다고 판단할 확률
[5] 주어진 데이터에 임의의 변형을 가해 얻은 새로운 데이터에 변형 방식을 라벨링한다. 모델은 데이터에 어떤 변형을 가했는지를 맞추도록 배운다.
이 글을 쓴 사람들
kakaobrain
카카오브레인