Hyungjun Kim

EMR(Static Variables) + Vital sign(Time Series Variables) class CNNLSTMBlock(nn.Module): def __init__(self, input_size, num_filters, kernel_size, units, dropout): super(CNNLSTMBlock, self).__init__() self.cnn = nn.Sequential( # 1 nn.Conv1d(in_channels=input_size, out_channels=num_filters, kernel_size=kernel_size, padding=1), nn.BatchNorm1d(num_filters), nn.ReLU(inplace=True), nn.Dropout(dropout)..

import pandas as pd import numpy as np import torch import torch.nn as nn import torch.optim as optim import torch.nn.functional as F import os # BLOCK class CNNLSTMBlock(nn.Module): def __init__(self, input_size, num_filters, kernel_size=3, units=128, dropout_rate=0.5): super(CNNLSTMBlock, self).__init__() # CNN Layer self.cnn1 = nn.Sequential( nn.Conv1d(input_size, num_filters, kernel_size), n..

psycopg2는 파이썬에서 Postgres DB를 연결할 때 사용하는 패키지 쿼리 실행, 트랜잭션 관리, 프로시저 호출, ORM 과 통합 등 다양하게 활용할 수 있음. 활용하는 법은 아래와 같음. 1. Package Install # Install pip install psycopg2 conda install psycopg2 2. connection setting import psycopg2 # postgresql server setting and connect host_name = '' # server ip port_num = '' # port db_name = '' user_ID = '' user_PW = '' 3. connection # Connection connection = psycopg2...

python 에서 Path를 다룰 때 보통 os 모듈을 많이 사용했으나, Pytorch 에서 활용할 때 조금 불편한 부분이 있음. os 모듈보다 좀 더 편하고 많이 활용하는 패키지를 찾아보니 glob 이 있었고, 사실 알고 있었지만 os가 더 익숙해서 활용하지 않았음. 늦었지만 glob 활용법을 익혀두고 앞으로도 활용하지 않을듯 싶어 정리하고자 함. os 모듈과 거의 흡사하지만, 문자열과 형식을 더 다루기 쉬웠음. glob() 함수는 인자로 받은 패턴과 이름이 일치하는 모든 파일과 디렉터리의 리스트를 반환하며, 이 패턴을 그냥 *라고 주면 모든 파일과 폴더를 확인 가능함. from glob import glob glob('*.exe') # 현재 디렉터리의 .exe 파일 # output : ['python..

파이토치로 딥러닝 모델을 학습시키다가 환경적인 요인으로 학습이 중단될 경우, 처음부터 다시 학습시키면 시간과 자원 낭비가 심하게 된다. 따라서, 현재까지 학습되어 있는 모델을 지속적으로 저장해주고, 마지막 모델로부터 학습을 이어서 할 수 있는 코드 작성이 필요하다. Training 을 이어서 하기 위해 아래 함수로 모델 가중치와 optimizer load가 필요 def continue_training(model, model_path, optimizer, device): saved_checkpoint = torch.load(model_path, map_location=device) model.load_state_dict(saved_checkpoint['model']) optimizer.load_state_..

기존 UNET 구조에서 skip connection 결과가 Decoder 에 추가될 때, Attention score를 적용해보기 위해 Attention Layer를 추가 Codes # 02. Attention UNET Model class ConvBlock(nn.Module): def __init__(self, in_channels, out_channels): super().__init__() self.conv = nn.Sequential( nn.Conv2d(in_channels, out_channels, kernel_size=3, stride=1, padding=1, bias=True), nn.BatchNorm2d(out_channels), nn.ReLU(inplace=True), nn.Conv2d(..

Pytorch 에서 모델을 pth 파일로 저장 후, 가중치를 불러와서 prediction 시에 발생하는 오류가 있어서 정리 모델 파일에서 load_state_dict 로 정보들을 가져온 뒤 파라미터에 weight를 적용해도 성능이 0.0 으로 나오는 경우가 있음. 이런 경우는 모델 저장 시에 weight와 optimizer 정보까지 같이 저장한 경우여서, 두개 전부 load 해주어야함. # Torch model Save def save(ckpt_dir, model, optim, epoch, iou, f1): """ Save torch model in check point directory. Args: ckpt_dir (str): checkpoint directory path model (torch mod..

공식문서 페이지: https://nipy.org/nibabel/ 설치 pip install nibabel import nibabel as nib 데이터 읽기 (nib.load) Affine and Header affine: 4*4 array 형태로 voxel space에서 reference space으로의 변환을 설명함 header: 이미지의 모든 메타데이터를 저장하는 nibabel 구조로, 직접 쿼리할 수 있음 nib.aff2axcodes(affine) img.header['descrip'] 새 이미지를 만들었을 때 원본과 파생물이 일치하는지 확인하기 위해 Affine과 Header를 탐색할 수 있음 img load def display_slices(nii_file_path, num_slices=5):..

dicom meta 데이터를 활용한 이미지 전처리 - 실제 dicom 이미지에 저장된 값을 image값으로 변환하기 - dicom 내의 x좌표, y좌표 -> pixel_array[y좌표][x좌표]로 불러오기 - RescaleSlope,RescaleIntercept 는 디스크에 저장된 픽셀에서 메모리 표현으로의 선형 변환을 지정하는 태그 - CT 이미지는 일반적으로 부호없는 변수로 저장되기에 음수로도 저장되는 Houndsfield 단위에 대한 변환을 위해 후처리가 필요 1. Low-level 수준에서의 dicom 이미지 전처리 - RescaleSlope, RescaleIntercept를 활용하여 Dicnom 저장된 이미지 값으로 변환 - Dicom header의 Bits_Stored를 활용하여 normal..

이미지 처리를 하다보면 원본 이미지와 레이블된 이미지가 동시에 들어가있는 경우가 있음. 이럴때는 glob 을 잘 활용해서 파일명으로 구분한 후, filepath 를 데이터프레임으로 만드는 코드가 유용함. def get_file_row_nii(file_paths): """Produces ID of a patient, image and mask filenames from a particular path""" file_paths = sorted(list(set(glob(f'{file_paths}/*.nii.gz')) - set(glob(f'{file_paths}/*_mask.nii.gz')))) temp = [] for file in file_paths: for i in range(0, len(nib.load..