📋 Project Overview

뼈는 우리 몸의 구조와 기능에 중요한 영향을 미치기 때문에, 정확한 뼈 분할은 의료 진단 및 치료 계획을 개발하는 데 필수적입니다.

Bone Segmentation은 인공지능 분야에서 중요한 응용 분야 중 하나로, 특히, 딥러닝 기술을 이용한 뼈 Segmentation은 많은 연구가 이루어지고 있으며, 다양한 목적으로 도움을 줄 수 있습니다.

• 질병 진단의 목적으로 뼈의 형태나 위치가 변형되거나 부러지거나 골절 등이 있을 경우, 그 부위에서 발생하는 문제를 정확하게 파악하여 적절한 치료를 시행할 수 있습니다.

• 수술 계획을 세우는데 도움이 됩니다. 의사들은 뼈 구조를 분석하여 어떤 종류의 수술이 필요한지, 어떤 종류의 재료가 사용될 수 있는지 등을 결정할 수 있습니다.

• 의료장비 제작에 필요한 정보를 제공합니다. 예를 들어, 인공 관절이나 치아 임플란트를 제작할 때 뼈 구조를 분석하여 적절한 크기와 모양을 결정할 수 있습니다.

• 의료 교육에서도 활용될 수 있습니다. 의사들은 병태 및 부상에 대한 이해를 높이고 수술 계획을 개발하는 데 필요한 기술을 연습할 수 있습니다.

• Input :

  • hand bone x-ray 객체가 담긴 이미지가 모델의 인풋으로 사용됩니다.
  • segmentation annotation은 json file로 제공됩니다.

• Output :

  • 모델은 각 클래스(29개)에 대한 확률 맵을 갖는 멀티채널 예측을 수행하고, 이를 기반으로 각 픽셀을 해당 클래스에 할당합니다.
  • 최종적으로 예측된 결과를 Run-Length Encoding(RLE) 형식으로 변환하여 csv 파일로 제출합니다.

🗃️ Dataset

• 이미지 크기 : (2048 x 2048), 3 channel

• image, target 시각화 및 pixel 별로 예측해야할 29개의 classes

📁 Project Structure

.
├── .github/
├── augmentation/
│   ├── copy_data.py
│   ├── hflip.py
│   ├── outlier.py
│   ├── psnr.py
├── UNet++/
│   ├── cv/
│   ├── requirements.txt
├── mmsegmentation/
│   ├── configs/
│   ├── mmseg/
│   ├── tools/
│   ├── baseline.py
│   ├── custom_inference.py
│   ├── custom_train.py
├── module_base/
│   ├── config.yaml
│   ├── dataset.py
│   ├── inference.py
│   ├── loss.py
│   ├── model.py
│   ├── optimizer.py
│   ├── scheduler.py
│   ├── train.py
│   ├── transform.py
│   ├── wandb_logger.py
│   ├── wandb_train.py
├── sam2_unet/
│   ├── sam2/
│   ├── sam2_configs/
│   ├── utils/
│   ├── SAM2UNet.py
│   ├── config.yaml
│   ├── test.py
│   ├── train.py
│   ├── trainer.py
├── streamlit/
│   ├── compare.py
│   ├── load.py
│   ├── main.py
│   ├── visualize.py
│   ├── visualize_rle.py
├── utils/
│   ├── .gitignore
│   ├── README.md
│   ├── meta_data_set.py
│   ├── pseudo_labeling.py

How To Use

MMSegmentation

• MMSegmentation Install 후 본 Project 폴더를 그대로 Copy & Paste하여 활용

# train
python custom_train.py --config_path {path_to_your_config} --work_dir {path_to_your_save_dir_for_logging}

# inference
python custom_inference.py --config_path {path_to_your_config} --checkpoint_path {path_to_your_weights} --work_dir {path_to_your_save_dir_for_logging} --submission_path {where_to_save_your_submission_csv} --tta

SAM2Unet

# train
python train.py --config {path_to_your_config}

# inference
python test.py --config {path_to_your_config} --checkpoint {path_to_your_checkpoint}

Module_base

😄 Team Member

김민영	박준일	오종민	이소영	정원정	한승윤
T7173	T7154	T7207	T7222	T7272	T7261

🏆 Project Result

Public Leader Board

Private Leader Board

🔗 Reference

📎 Segmentation Notion