Skip to content

README.md

Latest commit

 

History

History
79 lines (62 loc) · 2.83 KB

README.md

File metadata and controls

79 lines (62 loc) · 2.83 KB

MEMORIA_AI

프로젝트 소개

  • 치매 진단을 목표로 다양한 딥러닝 모델을 적용
  • Django, Web 개발, Figma를 활용하여 AI 팀과 UX/UI 팀이 협업한 종합 프로젝트
  • 라틴어로 '기억(Memoria)'을 의미, 기억을 지키기 위한 AI 개발

팀원

이정수 최영환 김건 정민지 박지은 이예림
GitHub GitHub GitHub GitHub GitHub GitHub

성과

  • 창업 경직 대회 대상
  • 프로젝트 발표회 최우수상

파일 구조

MEMORIA_AI/
├── img/
│   └── award.jpg
├── InceptionResNetV2/
│   ├── tensor_py/  (TensorFlow 버전)
│   └── torch_py/   (PyTorch 버전)
├── PatchSVDD/
│   ├── codes/      (Patch-based Anomaly Detection)
├── Transformer/
│   └── (VisionTransformer, SwinTransformer)
├── EDA.ipynb       (데이터 탐색)
├── preprocessing.py (전처리 스크립트)
├── sharpening_png.py (이미지 색인 가장)
├── README.md

🧠 Alzheimer's MRI 진단 모델 with Inception-ResNet + Tabular Fusion

본 프로젝트는 뇌 MRI 이미지와 인구통계 정보(성별, 연령대, 이미지 번호)를 결합하여
알츠하이머 진단 여부를 예측하는 멀티모달 딥러닝 모델을 구현한 것입니다.
백본으로는 Inception-ResNetV2를 사용하고, Tabular 정보를 병렬로 처리한 후 통합하여 최종 예측을 수행합니다.

📁 핵심 코드 구성

파일명 설명
train.py 전체 학습 파이프라인 구성
model.py 이미지+탭 구조 멀티모달 모델 구현
utils.py 데이터 전처리, 시드 고정, Dataset 생성
inference.py GradCAM 기반 추론 및 시각화 로직

🧪 모델 구조 및 학습 흐름

  • Inception-ResNetV2 기반 이미지 인코더 사용
  • 성별, 나이그룹, 이미지 번호를 MLP로 인코딩 후 이미지 특징과 병합
  • 최종 분류기(Dense Layer)로 이진 분류 수행
  • train.py에서 전체 데이터 로딩 → Dataset 구성 → 모델 학습 수행
  • inference.py에서는 단일 환자 이미지 추론 및 GradCAM 시각화 수행
# 예시 실행
inference(
    folder_path="/path/to/Mild AD/002_S_0729_110816",
    gender=0,
    age_group=0,
    model_path="/path/to/best_model.h5"
)

🧑‍💻 result

Award result