1. 학습 모델 개발
 1) 악성 림프종 이미지 분할
   - (개발 목표) 악성 림프종 CT 및 PET 이미지를 기반으로 암 병변을 분할
   - (개발 내용) 구축되는 CT 및 PET 학습데이터를 활용하여 EfficientNet을 기반으로 High-Level Feature를 추출하고 이를 U-Net 구조에 입력하여 Pixel 별 암/정상 분류를 진행하여 최종적으로 Segmentation Mask 도출

 2) 악성 림프종 환자 생존 분석
   - (개발 목표) 악성 림프종 환자에 대한 임상 및 병리 정보를 기반으로 환자의 생존 확률을 분석
   - (개발 내용) 구축되는 정형 데이터(임상 및 병리 정보)를 활용하여 DeepSurv를 기반으로 예측을 진행하며 정형 데이터의 사망일 및 마지막 병원 방문일로부터 생존 기간을 추출하여 학습

2. 데이터 활용

1) 악성 림프종 공통 임상 지표 데이터

2) 악성 임상 데이터

3)어노테이션 항목

4)JSON 형식

{
  "info": [
    {
      "name": "LYMP_AJMC_B10000_PAIREDCT_0_0001.dcm",
      "contributer": "AJMC",
      "description": "Annotated Non Contrast-enhanced Computed Tomography Image of Lymphoma"
    }
  ],
  "annotations": [
    {
      "id": "b753cc7f-92a7-4efc-8976-7d0f6a9f4c02",
      "class": "lymphoma",
      "type": "segmentation",
      "coordinates": [
        [
          [
            265.3105393020798,
            325.50837151921036
          ],
          [
            262.84314416637307,
            330.09067677123716
          ],
          [
            263.5481142051464,
            334.3204970038773
          ],
          [
            266.36799436023983,
            337.84534719774405
          ],
          [
            269.8928445541066,
            340.66522735283746
          ],
          [
            274.4751498061334,
            341.7226824109975
          ],
          [
            276.59005992245346,
            341.7226824109975
          ],
          [
            275.18011984490676,
            336.43540712019734
          ],
          [
            276.59005992245346,
            332.5580719069439
          ],
          [
            276.59005992245346,
            329.3857067324638
          ],
          [
            274.4751498061334,
            326.5658265773704
          ],
          [
            270.59781459287996,
            325.50837151921036
          ],
          [
            268.1304194571732,
            325.50837151921036
          ]
        ]
      ]
    }
  ]
}