• 목록

<학회 후기>
대전에서 개최된 MICCAI 학회에 참석하여 다양한 연구진들과 교류하며 경험을 할 수 있었다. 국내에서 개최된 해외 학회에 참석하는 것은 상당히 의미있고 색다른 경험이었다. 넓은 학회장에 다양한 국적의 사람들이 모여 논의하는 모습이 인상적이었으며, 학회장 내부에 준비된 한국과 관련된 다양한 요소(한복, 전통놀이 등..)를 즐기는 외국인들의 모습을 보는 것도 새로웠다. 학회는 크게 keynote session, oral session, poster session 으로 나뉘어 진행되었으며, 26일에는 Theme special session으로 각 speaker들이 공통된 주제 하에서 본인의 의견을 논의하며 토의하는 모습까지 지켜볼 수 있었는데, AI를 의료에 적용하고자 하는 다양한 노력에서 많은 이야기가 나올 수 있다는 점이 흥미로웠다. 특히 첫번째 Theme special session에서는 서로 다른 국가의 연구진들이 AI가 국가 의료 정책 및 시스템에 적용될 수 있는 방법에 대해 논의하였는데, 서로 다른 시스템을 갖는 국가에서 나오는 비슷한 이야기를 한다는 점에서 국제 학회의 의의를 다시금 새길 수 있었다. 지난 informs 학회보다는 더 많은 연구진들과 교류하는 게 목표 중 하나였기에 특히 포스터 세션에서 질문을 했었는데, 훨씬 더 높은 이해도를 갖게 되었으며, 이후에 이미 업로드 된 논문에 대해서도 관심을 갖고 읽어보고 싶은 생각이 들었다. 아쉽게 oral session에서는 질문하지 못했었는데, 아직까지는 영어 발표 및 자료를 이해하고 즉석에서 질문을 하기까지의 속도가 오래 걸리는 편이라 즉석에서 질문해야 하는 상황에서 잘 대처하지 못햇던 점이 아쉬움으로 남았다. 다음 번 기회가 있다면, 사전에 듣고자 하는 발표에 대해 인지하고 현장에서 주의집중하여 질문해보는 경험을 해보고 싶다고 생각하게 되었다. 해당 학회가 의료 이미지에 대한 기술을 다루는 학회였어서 전반적인 학회의 발표 내용이 다양한 의료 용어들을 사용한다는 점에서 약간의 어려움은 있었지만, 의학 용어들 보다는 기법과 연구적인 기여점에 대해 포커싱하여 발표를 듣다 보니 큰 어려움 없이 발표를 이해할 수 있었던 것 같다. 매년 좋은 기회로 해외 학회에 참석할 수 있는 기회를 주신 교수님께 감사의 인사를 드리며, 이번 경험을 토대로 앞으로의 연구를 더욱더 열심히 발전시키고자 다짐하며 후기를 마무리 한다.

<청취 후기>
[Poster - A100] UM-SAM: Unsupervised Medical Image Segmentation using Knowledge Distillation from Segment Anything Model
본 연구는 SAM 으로부터 knowledge distillation을 통해 Segmentation model을 학습시키는 방식을 소개하고 있다. 이때 unlabeled data에게 SAM을 이용한 pseudo-label을 생성한 뒤에 학습에 활용하는 방식을 적용하는 방식을 제안하여 pseudo-label에 대한 loss, teacher model과의 contrastive loss, 그리고 knowledge distillation  loss를 적용하는 방식의 KD 를 통한 학습 방식을 제안한다. 개인적으로는 pseudo-label을 생성하는 과정에서, 기존 SAM 모델 자체가 의료 이미지에서 좋지 못한 성능을 보였던 점을 감안한다면 Med-SAM 등과 같이 의료 이미지 전용으로 학습된 모델을 사용하는 것이 어떨까 싶은 생각을 했었으며, loss의 설계를 체계적으로 할 수 있는 방법에 대한 고려가 필요하지 않았나 하는 생각을 하게 되었다.

[Keynote - 3] Bioadhesive ultrasound and telerobotic neurointervention
본 발표에서는 신체 접촉 방식을 통해 ultrasound 영상을 얻을 수 있는 장치에 대한 소개 및 실제 적용 사례들을 소개하였다. 해당 분야는 사실 본인의 연구분야와는 직접적으로 관련이 없는 터라 처음에는 큰 흥미를 못 느꼈었는데, 발표를 들으며 그 배경과 사용 방식들에 대한 소개를 들으며 공감할 수 있었다. 실시간으로 신체 내부의 영상을 모니터링 하기 위한 다양한 방법은 존재할 수 있지만, 개인의 일상 생활에 크게 개입하지 않으며 영상을 얻는 것이 큰 의의를 가질 수 있다는 점에서 그 필요성에 공감하였고, 실제 신체에 간단히 부착한 장치가 꽤나 깊은 영상을 촬영할 수 있음에 놀랐다. 다만 해당 장치는 초음파 영상을 촬영하고자 하는 용도로 개발되었는데, 개인적으로는 해당 장치가 다른 의학 영상 장치로의 개발된다면 더 많은 효과를 얻을 수 있을 것이라는 생각을 하게 되었다.

[Oral - 4] Automated Characterization of Myocardial Scar Topological Patterns for Ventricular Tachycardia Screening
본 발표에서는 심실 빈맥을 사전에 알아내기 위한 심근 흉터를 자동으로 segmentation하고 선별하고자 하는 PolarNet을 제안한다. 이때 심장 흉터의 기하학적 일관성 및 해부학적 일관성을 기반으로 boundary-aware한 segmentation branch를 적용하는 방식을 적용하여 높은 성과를 보였다. 특히 해당 방식에서는 일반 의료 영상에서 적용되는 직교 좌표계의 정보를 극좌표계로 변환하는 방식을 적용하면서 해당 의료 이미지에서 보고자 하는 관 형태의 심근에 대한 문제를 파악하는 근본적인 접근 방식을 제안하는 데에서 의의가 있다고 생각하게 되었다. 의학 영상을 다루는 학회에서 소개되기에 있어 흥미로운 주제라고 생각하였다.