A Robust and Effective Approach Towards Accurate Metastasis Detection and pN-stage Classification in Breast Cancer

Introduction 유방암 환자의 예후를 예측하는 인자들 중 가장 중요하게 다루어지는 것 중 하나가 병기(stage) 입니다. 병기를 나누는 데 있어 가장 널리 사용되는 시스템은 American Cancer Society에서 발표한 TNM staging 시스템 [1]입니다. TNM staging 시스템은, 암을 종양의 크기 (T-stage), 림프절의 전이 정도 (N-stage), 그리고 타 기관으로의 전이 여부 (M-stage) 세 가지를 종합하여 병기를 분류합니다. 이 세…

Read More

Keep and Learn: Knowledge Preservation in Neural Networks

본 포스트에서는 2018년 9월 MICCAI에서 발표 될 논문 Keep and Learn: Continual Learning by Constraining the Latent Space for Knowledge Preservation in Neural Networks에 대해 소개하려고 합니다. 여러 사이트에 privacy-critical data가 존재하여 model이 각 사이트를 돌아다니며 incrementally 학습되어야 하는 경우, 과거 사이트에서 배운 knowledge가 서서히 잊혀지는 catastrophic forgetting 현상이 발생합니다. 이 연구에서는 knowledge preservation에 유리하도록…

Read More

Batch-Instance Normalization

본 포스트에서는 NIPS 2018에 발표될 논문인 Batch-Instance Normalization for Adaptively Style-Invariant Neural Networks에 대해 소개하려고 합니다. 이 논문은 입력 영상의 style variation을 해결하기 위한 새로운 normalization 기법을 제안하며, 다양한 computer vision 문제에서 기존의 Batch normalization 및 Instance normalization을 효과적으로 대체할 수 있음을 보입니다. Introduction 이미지가 표현하는 정보는 크게 content와 style 두 가지로 구분될 수 있습니다. Image…

Read More

An Update to Lunit’s Pathology AI: Automated Detection and Classification of Breast Cancer Nodal Metastases

Last year, we introduced an AI algorithm that predicts proliferation of breast cancer, the first attempt to automate a specific pathologic task from end to end. Today, we introduce an update to our pathology AI, which now supports automated detection and stage assessment of breast cancer metastases in lymph nodes. Introduction When cancer is first…

Read More