[학회 후기]
2019년 4월 11일 서울 코엑스에서 열림 한국 BI 데이터 마이닝 학회에 참석하였다. 학회는 “사례를 통해 본 AI & BI”라는 주제로 학회가 진행되었다. 생각보다 많은 회사와 학교들이 참여하였고 그만큼 나에게 도움이 되는 발표도 많이 들을수 있었다. 
 
[청취 후기]
- GASNet: Generation and Segmentation Networks for Identifying Wafer Defect Patterns
이번 세션은 “GASNet”이라는 새로운 알고리즘에대한 발표였다. 반도체 공정에서 불량은 수율(생산성) 및 신뢰성에 영향을 미치기 때문에 불량 원인 추적 및 개선에 필요하다. 하지만 이것을 하나하나 확인하기에는 신간, 자원의 제약으로 한계가 있다. 따라서 다양한 패턴에 소량의 데이터로도 좋은 성능을 낼수 있는 모델을 만들어 내는것이 중요하다. 이 알고리즘에서는 소량의 샘플 데이터를 사용하여 학습된 Generator를 다중 불량 패턴 분류 모델의 학습 데이터로 사용하였고 그 결과 더 높은 분류성능을 나타내었다. 적은 데이터를 가지고 불량패턴에 대한 강건한 모델을 만들어내 창현이 형이 멋있게 느껴졌다.
 
- Deep learning을 활용한 X-ray영상 Pneumoconiosis(진폐) 진단 보조 시스템 연구
이번 세션에서는 진폐증을 Deep learning을 이용하여 판정하는 알고리즘에 대한 발표였다. 기존 진폐증 판정 일치율을 50~70%로 높지 않으며 년간 20억원정도의 소송비용이 든다고 한다. 이를 해결하기 위해 시각화 자료를 활요한 진단 보조 시스템이 개발 되었다. Grab-CAM을 이용하여 Feature visualization을 제시하였다. 그리고 Featuer Visualization을 결과를 통해 진폐증을 판단하였다. 그 결과 93.88%로 높은 정확성을 보여주었다. 이 발표를 듣고 나서 머지 않은 미래에 영상의학과 뿐만 아니라 다른 의사들에게도 양날의 검으로 다가올것 같다는 생각을 하게 되었다.​