🏆 Hand Bone Image Segmentation

👀Model | 🤔Issues | 🚀SMP | 🤗Transformers | 💎Ultralytics

Introduction

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.

Goal : 손 뼈를 정확히 분할하는 모델을 개발하여 질병 진단, 수술 계획, 의료 장비 제작, 의료 교육 등에 사용
Data : 2048x2048 크기의 hand bone x-ray 객체가 담긴 이미지 (Train Data 총 800장, Test Data 총 288장)
Metric : Dice coefficient

Project Overview

• 초기 단계에서는 EDA와 베이스라인 코드에 대한 기초적인 분석을 진행한 후, segmentation 태스크를 잘 수행하는 다양한 모델들을 탐색하고 단일 모델들의 성능을 강화시키기 위해 다양한 실험을 진행했습니다.
• 최종적으로는 성능이 잘 나오는 모델을 선정한 후 각 모델에 tta와 k-fold ensemble을 진행하였으며, 각 모델들의 추론된 output들을 hard voting으로 앙상블하여 최종 모델 아키덱쳐를 구성하였습니다.
• 결과적으로 private dice coefficient 점수 0.9760을 달성하여 리더보드에서 7위를 기록하였습니다.

Final Model

최종 모델은 U-Net++, HRNetv2, DeepLabv3+, U-Net3+, YOLO11, UperNet, SegFormer, BEiT 앙상블로 구성되었습니다.
각 모델의 예측 결과를 바탕으로 hard voting을 적용하였고 그 결과, 최종 성능으로 dice coefficient 0.9760를 달성했습니다.

Model	tta	5-fold ensemble	Public score
U-Net++	o	soft-voting	0.9734
HRNetv2	o	soft-voting	0.9681
DeepLabv3+	o	soft-voting	0.9702
U-Net3+	x	soft-voting	0.9574
YOLO11	x	hard-voting	0.9442
transformers(UperNet,SegFormer)	x	soft-voting	0.9728
BEiT	o	soft-voting	0.9723

Data

├── data
      ├── test
            └── DCM
                  └── ID001 # 사람 고유 아이디
                         ├── 오른손 뼈 이미지 파일
                         └── 왼손 뼈 이미지 파일
     └── train
            ├── DCM
                  └── ID001
                         ├── 오른손 뼈 이미지 파일
                         └── 왼손 뼈 이미지 파일      
            └── outputs_json
                  └── ID001
                         ├── 오른손 뼈 annotation 파일
                         └── 왼손 뼈 annotation 파일   

File Tree

├── .github
├── datasets
├── ensemble
├── models
         ├── HRNetv2
         ├── SMP
         ├── torchvision
         ├── transformers
         ├── ultralytics
         ├── UNet3+
└── README.md

Environment Setting

System Information		Tools and Libraries
Category	Details	Category	Details
Operating System	Linux 5.4.0	Git	2.25.1
Python	3.10.13	Conda	23.9.0
GPU	Tesla V100-SXM2-32GB	Tmux	3.0a
CUDA	12.2

© 2024 LuckyVicky Team.

Supported by Naver BoostCamp AI Tech.

---

👥 Team Members of LuckyVicky

🍀이동진	🍀정지환	🍀유정선	🍀신승철	🍀김소정	🍀서정연
서버 관리, 모델링(transformers 라이브러리)	기법 정리, 모델링(UNet3+, DuckNet)	EDA, 모델링(UNet3+, DuckNet)	WandB 관리, HRNetv2, 앙상블	스케줄링, 문서화, 모델링(SMP 라이브러리)	깃 관리, 모델링(Ultralytics 라이브러리)