Research

Note

Geometry Convolutional Neural Networks for Analyzing Surface-Based Neuroimaging Data

In machine learning, one of the most popular deep learning methods is the convolutional neural network (CNN), which utilizes shared local filters and hierarchical information processing analogous to the brain’s visual system. Despite its popularity in recognizing two-dimensional (2D) images, the conventional CNN is not directly applicable to semi-regular geometric mesh surfaces, on which the cerebral cortex is often represented. In order to apply the CNN to surface-based brain research, we propose a geometric CNN (gCNN) that deals with data representation on a mesh surface and renders pattern recognition in a multi-shell mesh structure. To make it compatible with the conventional CNN toolbox, the gCNN includes data sampling over the surface, and a data reshaping method for the convolution and pooling layers. We evaluated the performance of the gCNN in sex classification using cortical thickness maps of both hemispheres from the Human Connectome Project (HCP). The classification accuracy of the gCNN was significantly higher than those of a support vector machine (SVM) and a 2D CNN for thickness maps generated by a map projection. The gCNN also demonstrated position invariance of local features, which rendered reuse of its pre-trained model for applications other than that for which the model was trained without significant distortion in the final outcome. The superior performance of the gCNN is attributable to CNN properties stemming from its brain-like architecture, and its surface-based representation of cortical information. The gCNN provides much-needed access to surface-based machine learning, which can be used in both scientific investigations and clinical applications.

inline paper inside link

Note

Automated diagnosis of ear disease using ensemble deep learning with a big otoendoscopy image database

BackgroundEar and mastoid disease can easily be treated by early detection and appropriate medical care. However, short of specialists and relatively low diagnostic accuracy calls for a new way of diagnostic strategy, in which deep learning may play a significant role. The current study presents a machine learning model to automatically diagnose ear disease using a large database of otoendoscopic images acquired in the clinical environment.

MethodsTotal 10,544 otoendoscopic images were used to train nine public convolution-based deep neural networks to classify eardrum and external auditory canal features into six categories of ear diseases, covering most ear diseases (Normal, Attic retraction, Tympanic perforation, Otitis externa±myringitis, Tumor). After evaluating several optimization schemes, two best-performing models were selected to compose an ensemble classifier, by combining classification scores of each classifier.

FindingsAccording to accuracy and training time, transfer learning models based on Inception-V3 and ResNet101 were chosen and the ensemble classifier using the two models yielded a significant improvement over each model, the accuracy of which is in average 93·67% for the 5-folds cross-validation. Considering substantial data-size dependency of classifier performance in the transfer learning, evaluated in this study, the high accuracy in the current model is attributable to the large database.

InterpretationThe current study is unprecedented in terms of both disease diversity and diagnostic accuracy, which is compatible or even better than an average otolaryngologist. The classifier was trained with data in a various acquisition condition, which is suitable for the practical environment. This study shows the usefulness of utilizing a deep learning model in the early detection and treatment of ear disease in the clinical situation.

[inline paper inside link]https://www.sciencedirect.com/science/article/pii/S2352396419304311

Tip

스타트업 프로젝트

[린스타트업 _ 에시모리아]실천이 이론을 이긴다Done is better than perfact!어떤 과정을 따르는 것이 아니라 결과를 내는 것이 목표가 되어야 한다.

이 결과를 만드는 과정에 대해서 기록이 되어있다.

성공한 스타트업의 2/3는 도중에 계획을 크게 바꾸었다고 한다. 성공적인 계획을 찾기 위해, 자원이 소진되기 전에 플랜 A를 성공적인 계획으로 반복 개선하는 과정을 수반한다. 성공할 수 있는 사업이란 존재하지 않고, 모든 것이 쉽지 않기 때문에 시작부터 돌다리도 두들겨보아야 한다. 그러면 어떻게 돌다리를 두들겨 보아야 하나에 대해서 알려주고 있다. 가장 중요한 것은 시장을 알아야 한다는 것 즉, 고객개발부터 해야한다. 돈을 쓰게 하는 것, 팔리는 것을 만들어야 하기 때문이다. 사용자와 직접 인터뷰하는 것이 좋은 방법이지만, 그것만이 답은 아니다.

만약 사람들에게 무엇을 원하는 지 물었다면, 사람들은 더 빠른 말이 필요하다가 답했을 것 by 핸리 포드

한편, 경제 논리에서 팔리는 것을 정의하자면 생각보다 단순하다. 내는 돈 이상의 값어치를 하면 된다. 그만한 가치를 제공해줄 수 있어야 한다는 것이다. “고유의 가치제안 (UVP;Unique Value Proposition)”을 할 수 있어야 하며, 우리 서비스만의 차별화된 포인트가 있는 지 확인해야 한다. 모두를 위한 제품이 아닌 ‘얼리어답터’를 목표로 삼으라고 한다. ‘중간 지점’을 목표로 하는 마케터가 너무 많다. 그러면 메시지가 흐려질 수 있다. 과감하고 명료하고 구체적인 메시지가 필요하다.

피벗 후 초기 5개월간의 스타트업을 진행하면서하면서 발생했던 거의 대부분의 문제를 다루고 있었다. 왜 성공하는 스타트업의 공식이 ‘린’ 방식인지 깨닫게 되면서도, 우리가 린하게 흘러가고 있는지 되묻게 된다. 성공의 길로 잘 가고있는가 한 걸음 한 걸음 잘 확인하면서 가고 있는 것인가 돌이켜본다. 영업 상담부터 고객 개발, 마케팅까지 완벽하진 않지만, 전체적으로 한번 돌아볼 수 있게 해주었다. 각각의 문구를 보면서 내 영감으로 줄여쓰기엔 너무나도 아까운 문구들이 많으니 꼭 읽어보시길 추천한다.

• 호소력 있는 선전 문구를 만들어라예) 동영상 분야의 플리커 - 유튜브, ‘우주의 조스’ - 에일리언, ‘개들의 친구’ - 독스터• 선전문구와 랜딩페이지 문구를 착각하지 말라.• 추천을 받기 이전에 먼저 고객을 보유하라 + 수익원, 사용자 유치 & 유지• 사업은 항상 모방당하며, 특히 지속 가능한 사업 모델임이 드러나면 더더욱 그렇다• 문제/솔루션 팀 구성 - 일인다역이기에 나의 롤을 조금씩 나눠볼 필요가 있다.• 가능한 최소한의 일을 통해 학습하라. 가장 간단한 일!!• 가설과 검증, 학습의 과정에 꼭 필요하며, 반증 가능한 가설로 만들 것.• 학습한 내용에 대해 자주 의견을 나누어라. 이번주 부터는 꼭 해봐야겠다.• 기존 경쟁 제품을 완전히 파악하라. 내 부족한 부분인 것 같다. • 불편을 겪는 사람들? 유튜버 - 에디터 각각의 부족한 부분을 채워주어야 한다면?• 처음부터 지속적 배포를 구현하기 - 개발과정에서 잊고 있던 부분!• 페이지에는 1차 클릭 유도 문구와 2차 클릭유도문구가 있어야 한다. • 실행에 옮길 수 있는 지표 선정 - 고객 생애주기를 시각화• 지불시스템을 구현하라. • 기능을 사용자에게 강요하면 안 된다. 기능에는 항상 숨은 비용이 있다. “일단 더 이상의 기능 추가는 없다는 태도를 취하라.” by 37시그널 Getting Real

• 기능 파이프라인을 관리하라. 기능의 생애 주기• 새 기능 요청을 처리하라. 칸반보드… • 제품/시작 적합성 테스트 - 숀 엘리스 테스트, 매크로 지표 초점. • 네트워크 효과 제품을 위한 설계 패턴 - 양면 네트워크를 어떻게 발생시킬까?

에디터에게는 유튜버를, 유튜버에게는 에디터에게 관심을 갖게 할 방법이 있을까?

• 마켓플레이스로서의 설계, 멀티사이드 제품… • 짝짓기를 자동화하면 안 된다. 자동화전에 수동으로 배우기! 잘 하고 있다.• 나는 약속을 지켰는가?• 핵심사업과 관련 있는 것들로 부수입을 올려라• 개발자는 일정 관리 방법이 바뀌면 어려움이 크고 생산성이 낮아진다• 몰입하라! 일일 몰입

일일 몰입 업무 규칙

  1. 개발자 업무를 위해 방해받지 않는 시간을 확보한다.
  2. 매일 가능한 일찍 개발자 목표를 달성한다
  3. 경영자 활동은 하루 중 가능한 늦은 시간으로 일정을 잡는다
  4. 고객 지원처럼 예상치 못한 활동에 항상 대비한다.

주간 몰입

  1. 계획된 고객 개발 활동에 가장 적합한 날을 파악한다.
  2. 고객들이 덜 활동하는 요일을 이용한다. (월, 금에 오래걸리는 일을 하라)
  3. 고객과 직접 만나는 시간을 적절히 마련하라.

소프트웨어 낭비 제거

  1. 고객들이 요청한 기능만 개발해 과잉 개발을 피하라
  2. 3-5가지 실행가능한 지표를 반복 개선하라.
  3. 몰입할 수 있게 소프트웨어를 개발하라.
Tip

[그로스해킹]

나는 무질서한 무지보다 체계가 잡힌 지식을 선호한다.돼지가 송로버섯을 추구하듯이 우리는 지식을 추구한다.

그로스 해킹이란 무엇인가?“모든 그로스해커는 궁극적인 목표는 수백만의 사람들에게 자동으로 전파하고, 스스로 영구히 지속하는 마케팅 기계를 만드는 것이다.”

마케팅하면, 영화의 포스터나 광고영상 등 엄청나게 큰 규모의 마케팅을 생각한다. 그래서 마케팅 비용 또한 크게 잡는 경향이 있다. 그러나 영화는 하나가 대박이나면 10번의 실패를 매울 수 있고 그러한 투자를 받기 때문에 그렇게 하는 것이지, 실제로 마케팅에 그렇게 큰 돈을 쏟아부으면 실패했을 때 회생이 불가능하다.

핫메일이 한 그로스해킹을 시작으로 많은 것들이 변한다. 굳이 큰 마케팅을 기획하지 않지만, 효과적인 마케팅이 이슈가 되기 시작한다. 전통적인 마케팅의 교본을 버리고, 추적 가능하고, 확장 가능한 방법만으로만 대체하는 것을 지칭하기 시작했다. 이메일이나 클릭 당 지불광고, 블로그, 플랫폼 등의 도구를 사용한다.

많은 도구들이 있지만, 도구로써의 그로스해킹이 아니라, ‘마인드’의 변화가 필요하다는 것을 강조하고 있다. “새로운 사고방식”이 필요함을 책 전반에 걸쳐서 강조하고 있다. 무지와 낭비를 없애는 방식으로 말이다. 이들의 기원은 프로그래머에서 찾는데, 데이터 사이언티스트로서 디자이너와 마케터를 만나고 여기서 얻은 정보를 이용하여 다르게 활용한다.

무척 복잡한 일을 해야 할 것 같지만, 실제로 무슨 기술적인 장벽이 있는 것은 아니다. 스텀블어폰의 성장 담당 이사 아론 긴 역시 “그로스 해킹은 도구라기보다는 사고방식이다.”라고 얘기하고 있다.

결론은 생각을 바꾸어야 한다.

린스타트업에서와 마찬가지다. 우선 PMF을 갖추어야 한다. 요구사항을 찾다보면, 사용자들의 피드백을 받을 수 있고, 그를 만족시키다 보면 아이템이 등장한다. 그리고 가장 간단한 방법으로 그 내용이 시장성이 있는 지 확인한다. 1년동안 짱박혀서 책을 쓰지말고, 한 챕터, 한 장씩 써서 블로그에 공개하면서 확인하는 것이다.

잠재 고객들이 있는 커뮤니티에 우리는 이런 사람이다 글을 남겨본다. 화제가 되는 주제에 대해서 블로그 포스팅을 시작해 보거나얼리어답터들이 있는 커뮤니티에 진출해보거나기사거리를 찾는 기자들을 이용하거나,서비스를 무료로 써볼 수 있도록 제공하는 방법이 있다.

에딧메이트는 맨 마지막 방법으로 시작하지 않았나 싶다.

특정한 공간에서 소수의 불확실한 초기 사용자를 조금이라도 끌어올 수 있다면 무슨 일이든 해야 한다. 때때로는 꼼수를 부려야 한다. 이점이 가장 마음에 들었다. 어릴 적부터 JQ하면 일가견이 있지 않았는가! 그로스해커가 되고싶어졌다. 이런저런 그로스해킹에 사용할 기술(?) 통계적 방법에는 너무나도 익숙하지 않은가! 책을 읽어나가면서 신이 났다.

구전효과 만들기의 챕터에서는 아직 어떻게 해야할 지 모르겠다. 유튜브에서 더보기에 우리의 편집을 남기고, 또 우리가 유튜브를 성공적으로 시작해야만 할 것 같다는 생각이 들었다. 매력적인 문구를 만들어야 하는데, 무엇이 매력적인지 찾아보아야 한다.

이메일 마케팅을 하면서 매력있는 단어들을 찾아보고 있다. 이를 통해서 실험이 증명되면 SNS의 작은 광고를 이용하여 구전효과를 일으켜볼 수 있지 않을까 생각된다.

유지와 최적화 파트, 어찌보면 아주 잘하고 있지 않은가? 재결제율이 상당히 높은 편이고, 서비스 자체가 장기 계약으로 맺어지는 방식은 아주 좋은 프로세스라고 생각된다. 최적화는 지금 하고 있고.

스티비라는 툴이 정말 우리에게 큰 역할을 했다. 많이 감사하는 시간이었고, 이를 내가 구현하려면 얼마나 힘들었을지, 얼마나 많은 분석을 했어야할 지 탄식하며 고마웠던 순간이다. 자청이 요즘이 더 성공하기 쉽다고 얘기했던 부분이 이런 부분이 아닐까?

이책을 쓴 저자는 책을 린하게 썼다고 한다. 출판보다는 온라인으로, 수정가능하도록, 그리고 한국에서와 환경이 다르기 때문에 역자의 경우 한국에서 어떻게 성공할 수 있었는지를 잘 정리하였다.

사고방식의 변화, 그것이 그로스해킹의 시작이고, 굳이 큰 돈을 들이지 않고, 유튜브에서 배운 지식, 꾸준히 성실하게 임하는 자세가 필요하다고 생각된다.

Warning

Examples

Danger

Examples