update

9B8DY6 · Sep 16, 2020 · 09cc8e5 · 09cc8e5
1 parent f23f49a
commit 09cc8e5
Show file tree

Hide file tree

Showing 18 changed files with 57 additions and 0 deletions.
diff --git a/rsnote/200907.md b/rsnote/200907.md
@@ -0,0 +1,34 @@
+# 20.09.04
+
+- 90번에서 컴퓨터가 꺼져서 model parameter를 불러와 10번을 더 돌린 결과와 다시 처음부터 100번을 돌린 결과가 다르다. 전자는 valid_loss가 6대였는데 후자는 8대였다.
+
+- 그래서 모델 parameter를 다시 불러와서 50번을 추가로 돌려 더 좋은 결과가 나오는지 봐야겠다.
+
+- 100번 이후로부터는 딱히 더 나은 결과랄게 없는 거 같긴 하다. 그래도 더 돌리니 7대로 떨어지긴 했다.
+//T1
+
+- TOF는 같은 모델에서 하이퍼파라미터까지 같을 때 loss가 8대가 나오고 epoch 100이상 훈련을 시켰는데 더 올라가고 떨어지진 않았다.
+
+# 20.09.08
+
+- ![](2020-09-08-11-56-03.png)</br>
+t1의 최종 그래프 모양(epoch-150)
+
+- ![](2020-09-08-12-05-33.png)
+t1 최종 훈련된 모델로 나온 valid의 scatterplot
+
+- ![](2020-09-08-12-06-15.png)
+t1 최종 훈련된 모델로 나온 valid의 상관계수
+
+- ![](2020-09-09-16-37-27.png)
+TOF최종 그래프, lr=0.00001로 바꾼 후 다시 돌리니 loss가 다시 올라감.
+- ![](2020-09-08-12-03-31.png)
+TOF 최종 훈련된 모델로 나온 valid의 scatterplot
+- ![](2020-09-08-12-04-38.png)
+TOF 최종 훈련된 모델로 나온 valid의 상관계수
+
+- ![](2020-09-08-11-57-00.png)</br>
+TOF transform에 randommotion추가한 후 epoch=150까지 돌린 결과
+
+- ![](2020-09-08-11-59-49.png)</br>
+T1 transform에 randommotion추가한 후 epoch=100까지 돌린 결과
diff --git a/rsnote/200914.md b/rsnote/200914.md
@@ -0,0 +1,23 @@
+# 20.09.11
+
+- ![](2020-09-14-12-24-25.png)
+![](2020-09-14-12-25-12.png)
+각 모델들의 나이 예측값을 scatterplot과 correlation coefficient으로 나타내었는데 T1과 TOF의 correlation coefficient가 제일 높게 나왔다.
+
+- T1으로 valid_loss 7대를 만들고 그 모델로 tof와 tof_bin을 훈련하였다. tof의 valid_loss가 8대였지만 가장 상관계수는 높은 것을 보면 두 모델이 actual age를 기준으로 predicted age를 비슷한 흐름으로 맞춘 것 같다.
+
+- TOF(vessel)은  당연히 TOF predicted age와 가장 높을 줄 알았는데 actual age와 correlation coeffienct가 제일 높다.
+
+- 뇌혈관만 담긴 TOF(vessel)이 다른 두 모델보다 actual age와 상관계수도 가깝고 그래프를 보면 주로 T1과 TOF(raw)가 TOF(vessel)보다 나이를 더 높게 예측한 것을 볼 수 있다. 그리고 T1과 TOF의 연관도는 높은 것으로 보아 뇌의 노화에 있어 TOF(vessel)부분을 제외한 T1과 TOF에서 보이는 부분이 더 빠르게 일어남을 알 수 있다. 
+
+# 20.09.14
+
+- ![](2020-09-15-15-16-42.png) 
+t1_brain으로 모델 훈련을 시킨 결과이다. 그런데 가장 결과가 안 좋은 모델이다. 
+
+- train loss에 있어서는 가장 낮은 loss를 보여주었으나 valid loss는 가장 높다. overfitting이 제대로 일어난 듯 하다.
+
+- ![](2020-09-15-17-52-58.png)![](2020-09-15-17-53-26.png)![](2020-09-15-17-54-00.png)![](2020-09-15-17-55-01.png)
+t1_brain에 비해 tof와 t1의 예측값은 주로 더 높게 측정된 것을 볼 수 있다. 그리고 tof_bin에 비해서는 t1_brain이 더 나이를 높게 예측한 것을 볼 수 있다.
+
+- 생각보다 t1과 t1_brain의 상관계수가 높지 않다. MRI T1에서 뇌를 제외한 부분이 나이 예측에 영향을 주는 듯 하다.
diff --git a/rsnote/2020-09-08-11-56-03.png b/rsnote/2020-09-08-11-56-03.png
diff --git a/rsnote/2020-09-08-11-57-00.png b/rsnote/2020-09-08-11-57-00.png
diff --git a/rsnote/2020-09-08-11-59-49.png b/rsnote/2020-09-08-11-59-49.png
diff --git a/rsnote/2020-09-08-12-03-31.png b/rsnote/2020-09-08-12-03-31.png
diff --git a/rsnote/2020-09-08-12-04-38.png b/rsnote/2020-09-08-12-04-38.png
diff --git a/rsnote/2020-09-08-12-05-33.png b/rsnote/2020-09-08-12-05-33.png
diff --git a/rsnote/2020-09-08-12-06-15.png b/rsnote/2020-09-08-12-06-15.png
diff --git a/rsnote/2020-09-09-16-37-27.png b/rsnote/2020-09-09-16-37-27.png
diff --git a/rsnote/2020-09-14-12-24-25.png b/rsnote/2020-09-14-12-24-25.png
diff --git a/rsnote/2020-09-14-12-25-12.png b/rsnote/2020-09-14-12-25-12.png
diff --git a/rsnote/2020-09-15-15-16-42.png b/rsnote/2020-09-15-15-16-42.png
diff --git a/rsnote/2020-09-15-17-51-42.png b/rsnote/2020-09-15-17-51-42.png
diff --git a/rsnote/2020-09-15-17-52-58.png b/rsnote/2020-09-15-17-52-58.png
diff --git a/rsnote/2020-09-15-17-53-26.png b/rsnote/2020-09-15-17-53-26.png
diff --git a/rsnote/2020-09-15-17-54-00.png b/rsnote/2020-09-15-17-54-00.png
diff --git a/rsnote/2020-09-15-17-55-01.png b/rsnote/2020-09-15-17-55-01.png