[10분만에 논문 리뷰] SAGE: SLAM with Appearance and Geometry Prior for Endoscopy, 내시경 SLAM

로봇 자동화분야의 최고권위 학술대회인 ICRA 2022에서 공개된 논문입니다. 비강 내시경 촬영 영상을 3D로 복원하는 SLAM 논문입니다. 1. Introduction - 내시경 수술 분야 중, 비강 내시경 수술(ESS, endoscopic endonasal surgery)에서는 코와 부비동, 두개골, 안와, 기저부와 같은 부위의 구조와 위치 관계를 아는 것이 중요합니다. - 기형, 이전에 했던 수술, 대량 폴립증 등은 수술을 크게 방해할 수 있어 환자의 시력 상실, 복시, 경동맥 손상 등 큰 위험을 초래할 수 있다고 합니다. - 연구진은 이러한 문제를 해결하기 위해 해부학적 구조의 표면 형상을 얻기 위한 단안 SLAM 시스템을 개발했습니다. main contribution은 다음과 같습니다. 1. 단..

[10분만에 논문 리뷰] Reconstructing Sinus Anatomy from EndoscopicVideo – Towards a Radiation-free Approach forQuantitative Longitudinal Assessment

MICCAI 2020에서 발표된 monocular 영상을 이용해 부비동을 3D 복원하는 논문입니다. 개인적으로 비슷한 도메인에서 좋은 연구를 하고있는 Xingtong Liu라는 사람의 논문을 찾아보다가 읽게 되었습니다. 1. Introduction sinus anantomy (부비동 해부학)에서는 대부분 환자의 부비동 구조 이상에 따른 후두기관협착증, 폐쇄성 수면 무호흡증, 머리와 목 부위의 비강 폐쇄같은 문제가 발생합니다. 좁아진 airway 때문에 환자들이 고통을 겪습니다. 이런 질병을 치료하기위해 수십억 달러가 사용되어 환자들의 삶의 질을 크게 향상시키지만, 40% 이상의 경우가 단기간만 지속된다고 합니다. 일부 가설에서는 부비동의 해부학적 모양때문이라고 하지만, 객관적인 측정 방법이 없다고 합니다..

드디어 블로그 광고를 달다

최근에 챌린저스라는 습관 개선 앱을 통해 블로그 글쓰기 습관을 길렀더니, 어느덧 카카오 애드핏을 통해 광고를 달 수 있게 되었습니다. 이전에 구글 애드센스 검토를 요청했지만 통과되지 않았었는데 최근에 게시글을 많이 올리게 되어 다시 요청하기도 했고요 결론적으로는, 매우 뿌듯합니다. 물론 블로그 운영은 내 기록용이지, 광고를 통해 수익을 벌 목적은 아니었으나 직장인의 입장에서 몇백원이라도 들어오면 기분이 좋더라고요. 광고 배치를 위해 블로그 스킨도 새로 바꿨는데, 앞으로 어떻게 될지는 지켜보아야 할 것 같습니다. 꾸준히 게시글을 올리면서 더 많은 분들이 봐주시면 좋겠지요. 앞으로는 게시물의 양과 질에 더 집중해야겠습니다. 화이팅...!

Ubuntu(Linux) cmake 최신 버전 설치하기

1. cmake 다운로드 홈페이지로 이동합니다. https://cmake.org/download/ Download | CMake Current development distribution Each night binaries are created as part of the testing process. Other than passing all of the tests in CMake, this version of CMake should not be expected to work in a production environment. It is being produced so that us cmake.org 2. 최신버전 다운로드 파일의 링크를 복사합니다. 3. wget을 통해 로컬 공간으로 다운로드합니다. wg..

Git branch 확인하고 생성하기

현재 내가 작업하고 있는 git branch를 확인합니다. >>> git branch * master 단독 branch를 새로 만들려면 새로운 이름을 지정해줍니다. git branch newbranch 다른 branch에서 분기를 생성하려면 뒤에 해당 branch를 붙여줍니다. >>> git branch devel master 이렇게하면 branch가 새로 생성됩니다. >>> git branch * master newbranch

[10분만에 논문 리뷰] Attention Receptive Field Mechanism을 이용한 Weakly Supervised polyp segmentation

2022년 7월 EMBC (IEEE Engineering in Medicine & Biology Society) 콘퍼런스에서 공개된 weakly supervised polyp segmentation 논문입니다. 힘들게 구한 논문인데 4쪽짜리 논문이었고, image-level labeled 데이터만 사용한 줄 알았으나 그게 아니었습니다... 1. Introduction 여타 논문들처럼 대장암(CRC, Colorectal cancer)의 발병률 및 치명율을 언급하면서, 대장내시경을 통한 조기진단이 생존율을 높인다는 이야기로 시작하고, U-net과 같은 encoder-decoder 아키텍처 기반의 모델들이 polyp detection, segmentation, characterization 등에 사용되기 시작..

ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all() 해결법

파이썬에서 이미지나 리스트 등 array 형태의 무언가를 다루다 보면 다음과 같은 에러가 발생합니다. ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all() 에러의 뜻은 말 그대로 "하나 이상의 원소를 가진 array의 참값은 판정하기 모호하니까, 하나의 값으로 줘라~" 이겁니다. 예시를 들자면 다음과 같습니다. 어떤 이미지가 다른 이미지와 같다는 조건문을 넣고 싶을 때, img1 = cv2.imread("car.png") img2 = cv2.imread("car.png") if img1 == img2: print("같은 그림") -------------------------..

python 에러: UnboundLocalError: local variable 'tmp' referenced before assignment

파이썬 코드를 짜다 보면 아래 에러를 맞이할 때가 있습니다. UnboundLocalError: local variable 'tmp' referenced before assignment 이 말은 "tmp 라는 변수를 함수 밖에서 선언해놓고 왜 여기서 써?"라는 의미입니다. 아래 내용을 봅시다. >>> tmp = "hi" >>> def hi(): ... tmp = tmp + 'nice' ... >>> hi() Traceback (most recent call last): File "", line 1, in File "", line 2, in hi UnboundLocalError: local variable 'tmp' referenced before assignment python에서 tmp라는 변수를 선언한..

Linux/Ubuntu(리눅스/우분투) 하위 "폴더만" 삭제하기

우분투에서 뭔가 깡그리 삭제할 때에는 보통 rm -rf * 를 사용합니다. 그러나 가끔은 현재 디렉토리의 파일 말고 폴더만 삭제하고 싶을 때가 있습니다. 그럴땐 아래 명령어를 사용합시다. 현재 폴더에서 하위 폴더 모두 삭제 ll | grep ^d | awk '{print $NF}' | xargs rm -rf 특정 폴더에서 하위 폴더 모두 삭제 ll /폴더/경로/ | grep ^d | awk '{print $NF}' | xargs rm -rf

Attibution Method에 대하여

딥러닝 모델이 어느 부분을 보고 판단하는지 알 수 있는 Attribution Method에 대한 포스팅입니다. 영국의 Odin-Vision이라는 회사의 기술을 연구하다가 알게된 내용들 입니다. 급하게 작성하느라 제대로 정리되지 않았습니다 ㅠㅠ Attribution Methods란? Attribution Methods (AMs)는 CNN기반의 모델 예측에 기여하는 요소들을 수치화(스칼라화)해 설명력을 높이기 위한 작업입니다. 이를 다음과 같이 분류할 수 있습니다. AM의 접근 방식 input의 feature에 따라: initial input이 output에 미치는 영향을 탐구 모델의 구성 요소 (ex. 특정 레이어)에 따라: 특정 layer의 activation을 탐구 AM의 attribution 추출 방..