계정 관리

사용방법 안내

<aside> 💙

mimic 데이터 정보

</aside>

<aside>

제목 없음

</aside>

제목 없음

최종 프로젝트 List

발표자료

📋 DeepDDI2로 약물 상호작용 위험도 예측하기

https://github.com/Project-MONAI/MONAI/issues

<aside> ❤️

팀별 자료 전체 보기 ( 달력으로 보기 )

</aside>

<aside>

</aside>

팀원별 아이디어 및 진행 방향

프로젝트 진행 중 코멘트

<aside>

💬 프로젝트 진행 과정에서 겪은 어려움이나 인사이트를 자유롭게 남겨주세요.

1. 첫 팀 구성 -2조
2. 서로 아이디어 가져와 발표. - 장보윤:간암 CDSS / 정예진:개인형 알레르기 탐지 / 장재호: 당뇨병 혈당 예측모델(수면시간 동안 당뇨 낮아질 확률 예측) / 신종혁:지방간 이미지 분석 / 신지하: 알약 부작용 탐지모델 / 송영운: 뇌이미지 질병 탐지
3. 지하님+보윤님 아이디어대로 간암 관련 CDSS 구축 및 약물 DDI로 가기로 정하고 기획서 나눠쓰기 역할 분담 진행
4. CDSS 예후관리 모듈 기획서 작성
6. 이미지 데이터 분석을 위해 nbia 프로그램을 다운받아 numpy 배열로 바꿔 출력할 수 있게 함.
7. admin superuser 계정과 의사 ID 계정이 엉켜 의사창에서 로그인 시 admin으로 갑자기 넘어가는 오류가 발생했다. 이를 해결하기 위해 URL 구조를 단순화하여 기존에 만든 /cdss-admin 관련 복잡한 URL은 모두 제거시켰다.(admin 사이트 분리)
8. 일단 막무가내로 홈페이지를 구성하는 것부터 시작했는데, 맨 처음 DB 쪽을 확실히 잡고 가지 않으니 혼돈이 생겼다. 때문에 아예 DB를 확실화시키고(ERD 연구 작업 진행) 다시 홈페이지 작업 재개하기로 결정. ERD 속 테이블 간 관계들을 분석하여 직접 문제점을 분석하고, 실제 어떻게 적용될지를 미루어보아 이를 바탕으로 DB 전체 수정함. (밑은 내 아이디어)

<aside> 💡

• doctor_profiles에서 FK인 user_id는 없애야함(superuser와 의사 계정 분리)
• nursing_notes 내용이 FK가 patient_id로 되어 있는데, 이를 medical_records에 있는 record_id로 바꾸는 게 맞다 봄.
• patients 테이블에서 survival_nyear 부분들은 전부 삭제해도 된다 생각.
• patients 테이블에서 afp_initial에 대한 기준이 없음. 없애서 나중에 값 한번에 비교로 불러올 때는 select문으로 가져와도 된다 생각.
• recurrence_risk(재발위험도), next_ct_date, next_blood_date 는 medical_records 테이블로 옮겨야 함.
• patients 테이블을 환자 id를 주민등록번호로 하는게 어떤가? 주민번호를 앞뒤로 나누어서 앞부분을 생년월일로 활용하고, 환자 id를 생성할때 autoin
• auth_users에선 is_active는 없어도 될 듯. (안내사항 창에만 있어도 됨.) 그리고 is_superuser가 필요한가?
• medical_diagnosis 테이블은 medical_records와 엮는게 아니라 prescriptions 테이블과 엮어야 함.(diagnosis_id를 prescriptions 테이블이 참조) 그리고 is_primary는 어차피 질병 관련 테이블이라 없어도 된다 생각.
• drugs 테이블에는 created_at과 updated_at 없어도 됨.
• druginteraction 테이블은 아예 삭제
• medical_images 테이블에서 is_analyzed는 중복이라 빼고, classification_result도 휘발성으로 머신러닝 분석해도 돼서 굳이 없어도 된다 생각. </aside>

1. 기획 발표 ppt 구성

2. Django 기획 발표. -CDSS 페이지 과정을 전체적으로 시각화시키는 과정을 목표로 진행.

5. Django 최종 발표 - 정예진.

6. 목요일 기획 발표 뭘로 할지 주제 회의.

8. 기획 발표

13. 프론트엔드(react)를 혼자 맡아 전체적인 UI 디자인 및 세부 기능 추가, HTML 등을 연결

14. react 최종 발표 및 부족했던 점 회의 진행.

15. Flutter 기획 발표 및 회의 진행.

• 깃허브 레퍼지토리 정리

1. Flutter에서 캘린더 기능(CRUD)를 구현하기 위해 serializer, models.py, calender_api.dart 등을 살펴보며 어디서 일정을 수정하고 추가하는 부분에 에러가 나는지 파악함. + 튜토리얼 페이지 구현(앱에 대한 기본적인 설명을 다룸)

2. 캘린더 일정관리 수정 부분에서 serializer를 post와 get 방식 때 patient_id를 어떻게 받느냐를 구분함으로써 에러 해결함. 추가적으로 깃허브에서 로그인 템플릿, 대시보드 템플릿을 찾아보고 전체적으로 통합하는 작업 진행. 약물 관리 테이블에 관해 캘린더 쪽에 넣고, 이를 기존의 데이터베이스 약물과 연결하여 복용 중인 약물들을 기반으로 바로 새로운 약물을 검색했을 때 ddi 기반 약물 추천 기능이 바로 구현될 수 있도록 하자는 아이디어 제공함.

3. 각자의 근거를 뒷받침할 수 있는 공식적인 논문 내용을 pdf화하여 단톡방에 공유함. 딥러닝 프로젝트의 큰 아키텍처를 그리기 위해 radiogenomic 대표 논문 하나를 바탕으로, 우리의 적은 데이터셋(74명)을 극복할 수 있는 다양한 논문들을 살펴봄. 매번 방향을 수정할 때마다 계속해서 회의를 진행하면서 더 상세한 부분들(이미지 전처리 방식, 폴더 이름들 조사, segmentation 관련 논문들 등)을 갈래로 나눠 그부분을 더 살펴봄.

4. 딥러닝 프로젝트 기획 발표.

   1. radimagenet에 대해 더 구체적으로 파악.(efficientnet)
   2. flask 는 경량 프레임워크이므로, mosec을 이용
   3. 멀티데이터(ct+유전체)들을 합쳐 cox 모델로 만들기 위해 벡터들의 양을 어떻게 맞출 것인지 조사
   4. ESM-2는 단백질 서열을 언어로 취급하는 대규모 언어 모델(LLM)
   5. ct, segmentation mask, 유전체까지 전부 가진 데이터가 없는지 하루종일 조사했는데, tcga 중 특히 ct 이미지는 mask를 따기 어려워 그런 데이터를 찾기가 어렵다고 함. 결국 직접 mask 따는 모델을 생성하는 건 신뢰성이 없다는 이유로, 직접 mask 따는 학습한 모델과 lits라는 사전학습된 모델을 비교해보기로 함.

5. HCC-TACE-SEG 데이터셋으로 Lits 모델 fine-tunning 역할 맡음

6. final_npy_data의 npy 파일들(ct 이미지)을 windowing 전처리하였으나, (-400~400으로 클리핑) nnU-Net은 원본 HU 값 전체 범위가 필요 하므로 다시 전으로 돌리는 일 발생

7. Lits 모델을 전이학습하는 과정에 있어서 Lits 데이터셋과 HCC 데이터셋의 Z축 해상도 차이로 인한 구조 불일치 발생

8. 전체 CDSS 프로젝트 (Django + React)를 위한 ERD 확인및 수정 (기획 - 딥러닝 프로젝트 DB 관련 수정사항 에서 확인 가능) </aside>