JeongchanKim

Reference: https://arxiv.org/abs/1406.2661Adversarial ProcessGenerative Adversarial Networks (GANs)의 핵심 개념으로 생성자 (Generator)와 판별자 (Discriminator) 사이에서 서로 경쟁하며 학습하는 과정구조1. Generator (생성자)무작위로 샘플링된 노이즈 벡터 $z$ 를 받아, 이를 실제 데이터와 유사한 데이터로 변환하는 역할데이터 분포를 학습하려 하며, 실제 데이터와 유사한 샘플을 만들어내는 것이 목표2. Discriminator (판별자)입력된 데이터가 실제 데이터셋에서 온 것인지, 아니면 생성자가 만든 가짜 데이터인지를 구별하는 역할실제 데이터에 대해 '진짜'로, 생성된 데이터에 대해 '가짜'로 분..

Reference: Denoising Diffusion Probabilistic Model Denoising Diffusion Probabilistic ModelsWe present high quality image synthesis results using diffusion probabilistic models, a class of latent variable models inspired by considerations from nonequilibrium thermodynamics. Our best results are obtained by training on a weighted variational boundarxiv.org1. Introduction Diffusion Probabilistic Mo..

https://pytorch.org/tutorials/intermediate/torchvision_tutorial.htmlTorchVision Object Detection Finetuning TutorialPretrained된 Mask R-CNN 모델을 Penn-Fudan Database for Pedestrian Detection and Segmentation 데이터셋에 맞게 미세 조정(finetuning)하는 방법을 설명1. Dataset Class 정의torch.utils.data.Dataset를 상속받는 사용자 정의 데이터셋 클래스는 image, bounding box, label, mask를 포함하는 target dictionary를 반환해야 함.▶ Codeimport osimport nump..

ResNethttps://arxiv.org/abs/1512.03385작동 원리ResNet의 주요 아이디어는 "잔차 학습(Residual Learning)”이다. 이는 깊은 네트워크에서 발생하는 Gradient Descent의 문제를 해결하기 위해 도입되었다. 이때, Gradient Descent는 Backpropagation 과정에서 gradient가 네트워크의 초기 층으로 갈수록 점점 작아져서 거의 0에 가까워지는 현상을 의미한다. 즉, 초기층의 가중치가 제대로 업데이트되지 않아 학습이 제대로 이뤄지지 않는 결과를 초래한다. ResNet은 다음과 같은 Residual Block을 사용하여 작동한다.$$y = F(x, {W_i}) + x$$여기서, $x$는 입력, $y$는 출력, $F(x, W_i)$는 ..

Typical Diagnostic US Machine 1. vector ($V_i$): 한 acoustic pulse(one beam)에서 얻어지는 signal 2. $\omega_c$: carrier frequency (송신주파수; 2~10 MHz) → attenuation으로 인해 10~30cm로 깊이 제한 (50 MHz가 되면 1cm 미만으로 depth 제한되지만 해상도 개선)3. $PRF$: Pulse Repetition Frequency (0.5~20 kHz); Nyquist Frequency 고려4. $f_s$: Sampling Frequency ($ \omega_c$ = 7.5MHz일 때, $f_s$ = 36MHz로, Nyquist Frequency 고려해서 원래 아날로그 신호의 정보를 잃지..

Delay and Sum (DAS)지연을 미리 정해놓고 시간 지연을 사용하여 원하는 수신 방향에서 신호를 증대시키고 원하지 않는 방향의 신호는 약화시킬 수 있다는 개념 (지연이 클수록 수신 각도가 커짐)또, 의료용 초음파 신호는 좁은 대역을 사용해 주파수 의존적 위상 보정이 거의 필요하지 않음최근 연구들은 DAS가 제공하는 공간 해상도를 개선하기 위해 DAS를 조정하는 적응형 빔포머에 초점을 맞추고 있음DAS의 장점: 1. 파동 전파의 기본 개념(선형성, 직선 전파, 약한 후방 산란)에 기초2. 구현이 간단하며 병렬 처리가 가능3. 수치적으로 안정성이 있고 (알고리즘이 다양한 입력 조건에서도 큰 오차 없이 안정적 작동), 오차에 둔감함  Pulse-echo with a virtual point sourc..

Doppler Ultrasonography초음파가 이동하는 혈액 세포에서 반사될 때 도플러 효과 발생 ⇒ 반사된 음파는 입사 주파수와 다른 주파수를 가지게 됨 (Doppler shift; TR로 들어가는 방향이면 positive shift, 나가는 방향이면 negative shift)  사용목적: 혈류 탐지, 혈류 방향 및 속도 측정, 혈류 특성 분석, 혈전 검출, 간문맥 전신순환 단락, 혈류 및 혈압 계산 유형1. Spectral Doppler (Pulsed/Continuous Wave Doppler): 시간-속도 파형 (cardiology)2. Color Doppler: 2차원 grayscale image 위에 혈류 정보 color map으로 표시3. Power Color Doppler: 혈류의 에너..

Propagation of sound velocity=frequency ×wavelengthdistance=velocity ×time, depth=distance/2더보기US Frequency Property• Speed propagation error • Higher Frequency →  Higher Resolution, More attenuation⇒ Shallow Tissue (Muscle, Blood vessel) Adequate • Lower Frequency → Lower Resolution, More penetration⇒ Deep Tissue (Organs) Adequate  Reflection and Acoustic ImpedanceZ=velocity ×tissue density Aco..

Integrating Deep Learning and Spatial Transcriptomics for Enhanced Cell Prediction in Histology Images Motivation After employing immunostaining and flow cytometry to characterize the developed cell type within the organoids, I encountered challenges in simultaneously discerning both morphology and cell type sorting. Addressing this issue necessitated a sequential approach involving the slicing ..

Component of Lung Epithelium ① Airway Epithelium including trachea(기관), bronchi(기관지), bronchiole(세기관지) Ciliated Cell: Move mucus and trapped particles out of the airways Goblet Cell: Produce and secrete mucus Basal Cell: Act as progenitor cells, differentiating into other types of airway epithelial cells Club (Clara) Cell: Secrete various substances, including surfactant components, detoxify har..