# 資管嘉年華問答
## 文件
- [排班](https://hackmd.io/PyqGbivDSsiEfrolIuKaeg)
- [去年照片](https://drive.google.com/drive/folders/12a9YSjNPTqJhwTzjWf3-nSgeZH-NXuBF?fbclid=IwAR1pDt3xjxXcDQZr_6Lc-uolPgTJfXYxVtKjddyGzVvDOUudrcB22aaYDRI)

## 記帳
- 影印費 84元

## 咆哮的哥吉拉 笑死
Diabetic Retinopathy Assessment
評估包含兩項
- DR Grading
- lesion discovery
- pixel-level
- DR classification
- image-level supervision for DR grading
- Weakly Supervised Object Localization
- object classification and localization
- ex. Grad-CAM->localization performance
- patch-level

## 目前缺的東西
1. 3分鐘介紹內容->專題內容
2. 1 分鐘demo 影片
3. 未來展望
4. 過去一年做了甚麼東西
5. 網站
6. 過去做過甚麼研究
- 就是看研究過甚麼方向
- 試錯甚麼方向

@psTu0P5qThKUrt2_OHs4HQ
下面這篇有五個分類 可以附註上去
\[17\] Varun Gulshan, Lily Peng, Marc Coram, Martin C Stumpe, Derek Wu, Arunachalam Narayanaswamy, Subhashini Venugopalan, Kasumi Widner, Tom Madams, Jorge Cuadros, et al. Development and validation of a deep learning algorithm for detection of diabetic retinopathy in retinal fundus photographs. Jama, 316(22):2402–2410, 2016.

## PPT報告大綱
@psTu0P5qThKUrt2_OHs4HQ
- 製作動機、我們的網站
1. 什麼是xai
1. XAI介紹
2. XAI方法分類
1. 三種(共六類分類)
2. 各種XAI的理論與執行結果展示
2. 研究
1. 研究動機
(1). https://www.mohw.gov.tw/cp-3217-22906-1.html
(2). https://www.commonhealth.com.tw/article/83097
(3). https://www.hpa.gov.tw/Pages/Detail.aspx?nodeid=3999&pid=15562
3. 下面的步驟
4. 為何選擇視網膜、用數據佐證
3. 專題貢獻
1. 對XAI在醫療領域(視網膜)的應用做一個嘗試
2. 提出一種解釋XAI的方法
3. 網站應用
4. 未來展望
1. 對於相似度比對的部分，應該可以有更好的比對方式(目前是使用餘弦相似度)
2. 不同XAI在醫療模型上的解釋結果會有些許不同，這也是一個可以繼續研究的方向

## 問答
@YoLiMow
1. datasets來源
- kaggle
2. 醫療可信度->沒有醫生

3. 為甚麼要用vgg16
- 
- VGG16來自CNN架構，然而CNN的辨識優勢點在於影片、圖像、文本和語音識別，因為這類資料常會有獨特的特徵能夠抓取。
- 再然說到VGG16，此卷積網路的結構非常簡潔。
- 由圖可知此簡單的結構卻能帶來效益極高的成果，然而16與19不選擇19則是因為VGGNet的參數量太大，耗費了很多的計算資源，而19又再添加了幾層的卷積層但是效果不比16來的好，所以選擇16。
- 再來當初為了整合許多模型去契合XAI方法，發現某些模型無法順利提交出漂亮的成績，而VGG16的通用性很高也要文獻可以參考，所以就選擇此模型。

4. Grad-CAM
- 不需要綁定特殊模型，適用於通用模型。

5. 過程中遇到什麼問題
-
6. XAI有甚麼價值
- 讓人們可以了解到人工智慧是如何下判斷，中間的過程透明化。

7. 實作上遇到甚麼困難

8. 辨識度多少
- model accuracy
- 利用轉移學習的技術，在已訓練過的VGG16模型加以增加我們要的datasets來訓練，成果如上圖。
- model explain

## 研究過程
@陳建樺
1. AI判斷病症
1. 用XAI方法產生關注熱像圖
1. 將關注熱像圖中的熱點區域截圖出來(可能另外訓練AI)
1. 在與已知症狀做圖片比對，算出相似度
1. 套用到解釋性文字中
- 舉例:
- 遇到的問題:
- 依照關注熱像圖的結果對原圖進行截圖
- 症狀相似度比對

## 資管嘉年華布置項目
- [x] 海報->李
- [x] 螢幕->黃鉦鈞
- [ ] 滑鼠
- [ ] 攤位布置(照片)
- [ ] 戴-Faker * 3
- [ ] 視網膜擷取部分 p.27-28
- [ ] 研究流程圖 p.13
- [ ] 流程案例 p.31
- [ ] 視網膜病變嚴重程度 p.14
- [ ] 新聞
- [新聞](ww.vghtpe.gov.tw/vghtpe/files/PDF/tpvghb/449-1101025.pdf)