프로젝트 개요

프로젝트 내용

병원의 의료 이미지를 제품에 연결하여, 병변 및 장기에 대한 Segmentation 수행 및 3d 모델을 생성
이를 의료진에게 보여주어 보기 어려운 CT 대신, 시각화를 시킨 환자의 수술 부위를 보여줌으로써 의료진의 수술을 보조하는 제품

현재 제품의 구성

• React 기반의 Viewer 역할을 담당하는 FE
• FE와 AI WAS를 연결해주는 Web Server
• 각종 컴퓨터비전 알고리즘, AI 모델, 3D 모델 제작 등의 로직으로 구성된 WAS

팀원 구성 및 담당 역할

• FE : 4인, BE : 2인, AI 연구 : 7인

• BE 개발 및 컴퓨터 비전 관련 AI 연구 담당

  1. AI 알고리즘을 WAS로 제작(gRPC 기반의 Microservice)
  2. 혈관 Segmentation 모델 개발 담당
  3. Client로부터 의료이미지를 전달 -> AI 알고리즘 WAS 실행 -> FE로 결과 반환 관련 기능 개발
  4. 파일 시스템에 저장된 의료이미지, PostgreSQL에 저장된 파일 경로, Supabase의 저장된 파일 등의 동기화 및 CRUD

관련 기술스택

BE

• InfraStructure Stack : Nginx, Garfana, Loki, Garfana_Alloy, Prometheus, PostgreSQL, Supabase
• Container Stack : Docker, Docker Compose
• Development Stack : Git, Github
• API Stack : Restful API, gRPC
• 구현 : Python, FastAPI

AI

• Computer Vision Algorithm
• Segmentation Task
• Regression Task
• 하드웨어 환경 : A100 GPU * 8 Linux 서버, RTX 3090 * 4 Linux 서버 * 2

제품 개발을 위한 인사이트를 정리한 링크

BE

1. FE와의 연결을 위한 브라우저 동작 인사이트
2. 프로젝트 관리를 위한 Git 인사이트
3. 오케스트레이션 적용을 고려하기 위한 인사이트(Docker 및 k8s)
4. nginx를 통한 역프록시 및 https 통신을 위한 인사이트
5. Garfana 스택을 통한 로깅 및 매트릭 수집, 시각화를 위한 인사이트

AI

1. AI 연구 관련 저자 링크
[2. ]