• 목록

<발표 후기>
8월 28일(목)
세션: 포스터 세션 #1
제목: 해부학적 정보에 기반한 수의학 X-ray 영상 정합

평창에서 열린 2025 한국데이터마이닝학회 춘계학술대회에서 포스터 세션을 통해 수의학 X-ray 영상 정합 연구를 발표하였다. 본 연구는 동물 영상 촬영 시 낮은 순응성으로 인해 발생하는 자세 표준화 제약과 영상 왜곡 문제를 해결하기 위해 수행되었다. 이를 위해 올바른 자세의 X-ray 영상들로부터 얻은 사전 정보를 활용하여 해부학적으로 중요한 영역을 강조할 수 있는 정합 기법을 제안하였다. 학습 초기에는 전역적인 영상 정합을 우선적으로 고려하고, 학습이 진행될수록 해부학적 영역의 정합을 점진적으로 강화하는 전략을 적용함으로써 구조적 일관성과 정합 정확도를 동시에 확보하였다. 제안한 방법은 수의학 영상의 데이터 부족과 구조적 보존의 어려움을 극복하는 데 기여하며, 실제 실험에서도 기존 접근법보다 향상된 성능을 입증하였다. 앞으로는 더 다양한 데이터셋을 활용하여 본 연구의 일반화 성능을 검증하고, 실제 임상 환경에서도 적용 가능성을 확인해 나갈 예정이다.

<청취 후기>
주제: Adaptive Consistency Learning Framework for Unknown Class Recognition in Open-Set Semi-Supervised Learning
본 발표에서는 Open-set Semi-Supervised Learning(OSSL) 상황에서 unknown class를 인식할 수 있는 새로운 학습 프레임워크(OwareMatch)를 제안하였다. 해당 연구는 unlabeled 데이터셋 내에 unknown class가 존재하는 경우 pseudo-label 생성 과정에서 발생하는 오류를 줄이기 위해 open-set probability distribution을 구성하고, OOD-aware consistency regularization을 적용하는 방식을 소개하였다. 특히 weak-to-strong consistency 학습을 통해 open-set 상황에서의 pseudo-label 신뢰도를 높이는 전략이 인상적이었으며, 다양한 벤치마크 데이터셋에서 안정적으로 성능 향상을 보이는 결과가 기억에 남았다.