[학회후기]
  지난 4월 11일 삼성동 코엑스 그랜드볼룸에서 열린 2019 BI Conference에 방문하였다. 청취했던 발표 내용들이 대부분 CNN, RNN 등 딥러닝 기반의 응용연구 및 확장연구에 집중되어있었지만 또 나름대로 그 안에서 다양한 분야에 다양한 방법으로 연구가 진행되고 있어서 재밌게 들을 수 있었다. 그 중에서도 평소에 관심이 상대적으로 덜 했던 이미지 관련 연구들 중 흥미로운 내용들이 많아서 이미지 분야도 공부해보고 싶다는 생각이 들었다. 그리고 몇몇 발표에서는 앞으로 진행할 산학연구에 적용 해봄직한 아이디어도 얻을 수 있어서 좋았던 학회 방문이였다. 

[청취후기]
Deep Learning을 활용한 X-ray 영상 진폐 진단 보조 시스템 연구 - 고려대학교 송재승
  X-ray 영상 자료를 인풋으로 하는 Convolutional Neural Network 모델을 적용하여 진폐증 여부를 예측하는 Classification 연구에 대한 발표였다. 진폐증이란 먼지가 폐 내에 축적이 되어 발생하는 염증 반응이다. 국내에서는 진폐 판정을 X-ray 사진을 보고 진폐 구제 및 판정 기준에 따라 감염여부를 판정하게 되는데 이를 딥러닝 모델에 적용하였다. 모델은 ResNet, DenseNet 구조를 적용하였고 Class activation map 방법으로 중요 Feature을 탐지하였다. 해당 모델은 꽤 높은 진폐증 유형 별 분류 정확도를 보였다. 병원으로부터 양질의 데이터를 수급하여 딥러닝 모델을 실제로 적용해본 사례로 흥미로운 발표였다. 국내 많은 산업 분야에서 딥러닝 모델을 적용한 인공지능을 개발 중이나 의학분야에서는 적용 가능성이 무궁무진함에도 아직 개발 정도가 가능성에 한참 못 미치는 것 같다. Microarray 데이터 까지는 아니더라도 이미지나 영상, 센서 데이터 등 의학분야 쪽에도 관심을 두고 공부를 해보면 복잡한 모델이 아니더라도 충분히 재미있는 연구를 할 수 있을 것 같다는 생각이 들었다.

합성곱 순환 신경망을 활용한 태풍의 최대 풍속 산출 - 고려대학교 이민형
  태풍의 실시간 위성 이미지를 사용하여 태풍의 최대풍속을 예측하는 모델이였다. 적용 모델은 순서가 있는 이미지 데이터를 사용하였기 때문에 ResNet 구조와 LSTM을 결합한 Convolutional Recurrent Neural Network 모델이였다. 한반도 중심의 태풍으로 연구했기 때문에 Baseline 연구가 없어 모델의 성능을 평가하기는 어렵지만 인공위성 이미지 데이터로 환경변화를 예측할 수 있다는 측면에서 연구 가치와 활용 가능성이 큰 좋은 발표였다고 생각한다. 데이터의 한계가 있어 태풍의 최대풍속만 연구 대상으로 삼았을 수도 있지만, 강수량이나 진행 방향, 태풍 위험반경에서의 풍속과 비위험반경에서의 풍속 등을 함께 예측할 수 있다면 실제로 상용화 될 수 있을 것이라고 생각한다. ​