Brain Tumor Radiogenomic Classification 프로젝트

https://www.kaggle.com/competitions/rsna-miccai-brain-tumor-radiogenomic-classification/overview

RSNA-MICCAI Brain Tumor Radiogenomic Classification | Kaggle

 

왜 Brain Tumor Radiogenomic Classification 프로젝트인가?

• Input 데이터가 MRI 데이터, 3D 데이터 입니다.
  • 3D 데이터를 EDA를 하는 과정에서 배울 점이 많을 것이라고 여겨집니다.
  • 머신러닝 / 딥러닝 엔지니어가 3D 데이터를 다룬 경험이 있다는 것은 '디지털 트윈'을 하고자 하는 회사에 있어서 큰 메리트를 가져갈 수 있을 것 같습니다.
• DICOM
  • 의료 영상 분야에서 가장 기본이 되는 데이터가 DICOM 이라고 합니다.
  • 의료 분야에서 디지털 영상 자료를 주고 받을 때 지켜야할 표준 이라고 합니다.
  • 의료 분야 관련된 도메인 데이터를 앞으로 다룰 일이 생기게 된다면, 가장 먼저 알아야 할 배경지식이기 때문에 지금 공부해두는게 미래에 크게 도움이 될 것 같습니다.
• 많은 사람들이 참여한 케글 Competition 입니다.
  • 많은 가이드가 있습니다. 따라서 맨땅에 헤딩하는 것 보다는 한달이라는 부트캠프의 짧은 기간 안에 해볼 수 있는 프로젝트일 것 같습니다.
  • 많은 사람들이 낸 score가 있기 때문에 성과 지표 관련해서도 뚜렷하다는 장점이 있습니다.
  • 가능한 99.9% 가 넘는 accuarcy를 달성하기 위해 많은 시도와 노력을 해보아야겠습니다.

 

앞으로 어떤 식으로 준비해나갈 수 있을까?

• 대회에 제출된 커널 가운데 voting이 높은 것들을 뽑아 일단은 빠르게 모델을 돌려봐야겠습니다.
• 의료 데이터 관련해 DICOM과 같은 도메인 백그라운드를 준비해야겠습니다.
• 자료를 가지고 최대한 정교하게 EDA 과정을 해보아야할 것입니다.
  자료를 이해하지 않고 모델만 돌리는 것은 프로젝트로서 하나마나한 작업이 될 것이기 때문입니다.
• 의료 데이터에 최대한 dive 해야겠습니다. 정말로 의미있는 프로젝트로 남기고 싶습니다.
• 그 외의 준비과정은 해나가면서 팀원들과 의견을 조율해가며 정하게 될 것입니다.