경제 신문

- 목차 -

경제 뉴스 요약

- 본 문 -

경제 뉴스 요약

2025.03.11(화)

1. 한국 세계최고 기술력 선박, 탈탄소, 인력난 압박

- 트럼프 2기에 한국 조선업이 붐을 이룰 전망인데 글로벌적으로 탈탄소에 집중하고 있어, 미국은 2050년까지 선박 탄소제로를 목표로 두고있다.

2. AI 열풍, 미국 벤처캐피탈 올1분기 투자 3년만에 최대

- 올해 1분기 미국 벤처캐피털 시장의 분기별 투자 규모가 3년 만에 최대를 기록할 것

- AI로 돈을 벌 수 있는 기업을 찾는 것은 매우 어렵기 때문에 벤처캐피털 투자는 고객 기반과 큰 시장을 가진 업계 리더 기업에 집중되고 있다

3.  미국 43조 , 한국 880억, 국내 AI기업, 스타트업 생존경쟁 돌입.

- AI에 대한 투자가 역대 최대치를 경신하는 글로벌 시장과 달리 국내 AI 스타트업들의 투자유치는 오히려 감소세를 그리며 글로벌 흐름과 역행하는 모습

- AI 스타트업들 올해 자금조달 난황 예상

- 반면 글로벌 AI투자열기는 달아오르는 중

- 원인 :  대규모 투자를 주도하는 글로벌 VC의 국내 투자 비율이 좀처럼 상승하지 않는 데다 최근 국내외 경제 불확실성이 커지면서 투자심리 위축, 글로벌 경쟁 심화 등이 원인

4. IBK벤처 바이오 투자 확장 

- 연내 1500억원 펀드 레이징 목표

- 하우스는 앞으로 바이오뿐 아니라 다양한 주목적 투자대상의 펀드 결성 계획. 아직 섹터를 확정하지 않았지만 우주·항공, 반도체 등 딥테크 투자가 가능한 영역 예상

** 하우스 **

금융 및 투자 업계에서 **'하우스(house)'**는 금융 기관이나 투자 회사를 지칭하는 용어로 사용됩니다. 예를 들어, IBK벤처투자와 같은 벤처 캐피털 회사를 '하우스'라고 부를 수 있습니다. 이러한 회사들은 스타트업이나 신생 기업에 투자하여 그들의 성장을 지원하는 역할을 합니다.

경제 신문

- 목차 -

경제 뉴스 요약

- 본 문 -

경제 뉴스 요약

2025.03.10(월)

출처) 매일경제

1. 직장 가입자 건보료 자영업자의 1.8배, 부담 

- 9일 국회와 건강보험공단에 따르면 지난해 8월 기준 건강보험 직장가입자의 월평균 보험료는 15만5540원으로 집계됐다. 이는 지역가입자 평균 보험료인 8만3012원보다 약 87% 높은 수준

- 정부는 건강보험료를 ‘소득 중심 부과’ 체계로 전환

2. 우크라 손 뗀 미국

- 도널드 트럼프 행정부가 우크라이나에 군사·정보 지원을 중단하자 전쟁 격전지인 러시아 북서부 쿠르스크 지역에서 러시아군 공세가 강화되고 있다. 북한군과의 합동 작전으로 우크라이나가 차지했던 쿠르스크 영토의 상당 부분을 되찾는데 성공한 것이다. 불리한 전황에 다급해진 우크라이나는 오는 11일(현지시간) 미국과의 고위급 회담을 통해 활로를 찾는데 전념할 것으로 보인다.

https://www.mk.co.kr/news/world/11259389

3. 특급인재 20명 중, 10명은 AI, 5명 바이오, 나머지 양자분야, 6세대이동통신(6G), 반도체가 되어야 

- 유상임 과기부 장관 인터뷰 내용 중..

- "인터뷰에서 글로벌 기술 패권 경쟁에서 우위를 선점하려면 한시가 급하다"
https://www.mk.co.kr/news/it/11259327

4. 세종시 14억하던 집값 -> 6억대.. 광역시 인기지역도 와장창

- 부동산 시장을 수도권과 양분해 이끌던 지방 부동산 시장이 최근 3년 사이에 붕괴 일로. 지방에서 핵심 역할을 하던 ‘광역시 내 인기 지역’까지  -> 부산·대구·대전·광주·울산 등 5대 지방 광역시와 세종특별자치시 부동산 시장을 취재한 결과 현장 분위기는 참담.

- 지방의 과잉공급 문제 / 일반 공급(매매)과 악성 매물(경매),신규 공급(청약)까지 주택거래 시장을 구성하는 ‘3요소’가 완전히 무너진 상황

- 경매시장 전망도 어둡다. 위험성이 높다고 판단하고 최대한 낮은 가격으로 접근하려는 수요자가 많다

- 인구 감소 문제도 크다. 주택을 받아줄 수요가 없다.

- 부산(2만7073명 감소)의 인구 유출이 가장 많았고, 광주(1만1144명 감소) 대구(1만563명 감소) 울산(5581명 감소) 대전(2588명 감소) 순이었다. 심지어 부산은 광역시 중 최초로 소멸 위험 단계에까지 진입한 상황

https://www.mk.co.kr/news/realestate/11259370

5. 미국 국채 10년물 금리 연말 4.75~5%대 전망

매일 경제 지면신문

주요 뉴스 요약 

- 목차 -

경제 뉴스 요약

- 본 문 -

경제 뉴스 요약

2025.03.02(일)

1.미국 한국에서 수출하는 모든 알루미늄 연선,케이블(AWC)에 관세 85%부과

- 국내 금속기업들이 중국의 대미 우회수출로 역할을 했다고 판단하여 조치를 내린 것. 

- 한국 제조업은 중국 의존도가 높다. 중국 원자재,부품 수입하여 조립 및 가공하는 중국의 우회수출로 역할기업이 많음

2. 관세 부과 시기 3월 4일 선언 -> 글로벌 증시 및 한 중 일 강타

3. 국내 어이없는 데이터센터 규제로 차질겪어..

- 데이터센터는 방송통신 시설로 분류 -> 건축비 100분의 1이하를 미술작품 설치에 사용 or 문화예술기금 규정

- 주차장법시행령 때문에 불필요한 부설 주차장 설치 강요

- 지역 반발

< 혁신이 막히고 있다.. 일론 머스크도 한국에선 포기할 판...>

머스크가 설립한 인공지능 스타트업 xAI가 챗GPT에 대항할 AI 챗봇 그록3 선보였다. 

비결은 4개월만에 뚝딱 지어진 데이터센터를 지목. 

원래는 데이터센터를 짓는데 18개월 소요된다는 답을 받아서 직접 짓기를 선택 >> 4개월만에 센터 지었다.

하지만 한국에선 인허가 준공에만 3~4년이 걸린다..

4. 쇼핑사업 강화하는 네이버 >> 네이버 배송 - 쿠팡 도전장

- 기존 네이버 배송서비스(네이버도착보장_을 네이버배송으로 새롭게 브랜딩

- 오늘,내일,일요,희망일배송 등 세분화

- 자체 인공지능 기술 적용하여 초개인화 쇼핑구현 목표

5. 한국 제조업 중국 하청기지 현실화??

- 중국 기업들이 한국으로 주요 생산시설을 옮겨오면서 정부와 지자체에서 현금보조금을 받는 사례가 증가

- 정부가 외투기업에 대한 현금 지원 확대 공언

- 최근 5년간 미국기업이 현금지원을 받는 비중에 가장 컸으나, 22년부터 중국기업도 받아가는 사례 증가

하지만, 중국이 한국을 우회수출 루트로 삼고 제조하도급 기지화할 때, 마땅한 견제방법이 없다.

6.미국이 중국에 3.4부터 추가관세 10% 포인트 부과한다고 발표하여, 중국정부가 보복을 예고하였다.

- 미국에서 들어오는 석유 농기계 트럭 등에 10%, 석탄 액화천연가스(LNG)에 15% 추가 부과, 반도체 핵심광물 수출통제조치 발표

7. 미 1월 PCE물가지수 2.5%상승, 전망치 부합

- 관세정책이 물가 올릴 것이라는 유려가 다수

8. 중국 알리바바 AI인재 1500명 대거채용

9. 예대 금리차 최대치

- 예적금 금리 하락하는데 대출 가산금리는 상승하여 은행은 사상 최대 이자이익 중...

- 섣부른 대출규제금융당국이 강조해온 가계대출 억제정책이 정교하지 못했다는 분석.

매일 오전 경제 지면신문 읽고

주요 뉴스 요약 

- 목차 -

경제 뉴스 요약

- 본 문 -

경제 뉴스 요약

2025.02.25(화)

1. AI 데이터센터 착공 지역 '님비'(Not In My BackYard)현상으로 난황. 23년 한국에 7조 8500억원 통 큰 규모 투자를 발표한 AWS의 인천서구데이터센터도 지역사회 반발등으로 착공 지연.
반면, 같은 해 AWS데이터센터 투자발표한 말레이시아는 전폭적 지지아래 시공되어 작년 8월부터 가동중..

AI 데이터센터 한국 43개(일본 222개, 중국 449개, 미국 5381개)

- 수도권 인가 33건 중 과반 지연.. AI 데이터센터 수요는 넘쳐나는데 전자파 괴담 공사중단, 혐오시설 된 데이터센터

2. 상속 및 증여세에 집을 파는일이 빈번한데, 최근에는 가업승계 또한 문제가 많다. 창업주 사망 후 상속 및 증여세를 내기위해 기업을 매각하거나 폐업까지 내몰리고 있다.

3. 윤통령 탄핵심판 마지막 변론기일 02.25일

4. 한국 철강업체들 실적 악화상황 , 노조 파업 심각

글로벌경제침체 + 중국산 저가공세 + 노조파업

5. 가구 순자산은 증가, 분배지표 악화로 빈부 양극화 심화

1~3분위 중저소득층 가구 순자산은 전년보다 감소, 4~5분위 자산 증가

주된원인은 부동산 경기의 온도차. 강남 용산 등 집값 상승이 일부지역 국한, 경기둔화로 가처분소득 회복이 더딤

6. 더 받는 연금개혁 강행 시사(야당)

받는 돈(소득대체율)을 놓고 여야 의견차이 분분..  내는 돈인 보험료율은 9% -> 13%로 올리는데 여야가 공감대를 이룸.

현재 국민연금 소득대체율은 41.5%이며 년간 0.5%하락하여 2018년엔 40%까지 낮아지게 되어있다.

현행제도 : 9%(보험료율) -- 40%(소득대체율)

여당은 소득대체율 40~42%수준 유지해야한다는 입장.

민주당은 44~45% , 13%(보험료율) -- 44%(소득대체율)

* <여야 상속세 신경전>

- 민주당 상속세율 그대로, 일괄공제 (5억->8억), 배우자공제(5억->10억)

- 국힘 세제개편에 최고세율 하향조정 50%->40%

* 여야?
여(더불 여) 대통령중심제(소속O), 야(들 야) 나머지 당

* 소득대체율이란?
은퇴 후 연금으로 받는 소득이 현역 시절 평균 소득의 몇 퍼센트인지를 나타내는 지표

* 미적립부채란?
가입자들이 받아야할 총 연급에서 적립금을 뺀 금액 >> 미래세대가 내야 할 빚으로 고스란히 돌아온다. 소득대체율을 올리면 2050년엔 현행제도보다 더 많은 미적립부채가 쌓인다. 

매일 오전 경제 지면신문 읽고 주요 뉴스 요약 + 트레이딩 

- 목차 -

경제 뉴스 요약

트레이딩 내역

1. 차트분석

2. 체결요약

3. 복기(느낀점)

- 본 문 -

경제 뉴스 요약

2025.02.24(월)

1.검찰, 묻지마 기소에 의한 무죄 건수가 매년 급증하여 올해 최대치. 무죄율은 검찰의 수사 실력 및 자존심과 직결되며 국가배상액 규모도 41% 급증

2. 매일경제 - 매경미디어그룹 미국 AI기업 퍼플렉시티와 손잡고 AI미디어 변신 가속화

3. 한국 민간경제 사절단이 러트닉장관(미국 관세전쟁 진두지휘)만나 협력방안 논의. 러트닉 장관은 대미 투자를 독려, 미국 우선주의  투자정책, 패스트 트랙절차 만들겠다 밝힘.

4. 보험금담보대출 급증. 전년대비 8%증가 보험계약대출

- 보험계약대출은 보험해지 환급금의 50~95% 범위로 받을 수 있고 연체해도 신용등급에 영향을 주지 않음.

5. 중국 BYD(비야디 전기차 회사) 질주는 10만 연구인력의 힘., 반면 한국경제는 4중파고에 맞닥뜨렸다.

4중 파고 >> 중국기술굴기, AI혁명, 통상전쟁, 새먹거리 부재라는 4중 파고

중국 기술굴기-  AI와 양자컴퓨터로 대변되는 최첨단산업을 둘러싼 미국과 중국의 신 패권전쟁에서 한국의 입지가 줄어듦, 통상전쟁 - 트럼프의 관세공세가 현기증날정도로 변화무쌍하여 통상전쟁에 시달림.

6. 트럼프 탈탄소 후퇴 >> 미국의 환경 규제 완화로 유럽 또한 따라가는 추세

7. 우크라 전쟁의 협상에서 미국과 러시아가 주도하며, 우크라는 배제되었다. 미-러 나눠먹기 협상.

8. 테슬라 ceo겸 정부효율부(DOGE)인 머스크가 일주일 내에 공무원 대상으로 지난 주 업무내용을 이메일로 회신하지않으면 사임 간주. -> 트럼프는 이를 아주 좋게 보는 중

9. 금은 여전히 글로벌 자금 계속 유입, 은 ETF열차 미국은 매도세, 한국 개미들은 뒤늦게 올라타는 중..

트레이딩 내역

1. 차트분석

- 종목 : 블로서리(BLY)

- 수익 : 약 +7%

- 매매 근거

 1) 시황 : 비트코인이 크게 하락 후, 국내 거래량이 높은 코인들 위주로 순환 펌핑장이 잠시 시작된 상황

 2) 프렉탈 : 이미 오른 종목의 차트와 비슷한 종목 서칭 

-> 큰 폭으로 상승 후, 충분한 조정 및 지지구간에 닿은 코인들 위주로 분석

( 아래와 같은 차트 패턴을 보이며 + 국내 거래량이 높은 종목 위주로 종목을 선정 )

 3) 거래량 : 일 거래량 1,000백만 이상

 4) 종목선택 : 블로서리(BLY)

- 큰 상승 폭 이후, 하락 (프렉탈 관점에서 위의 차트와 비슷한 패턴)

- ABC파동 마무리

- 100선 지지 및 더블 바텀 후 윗꼬리 단 일봉 + 이전 일봉보다 거래량 터짐

- 시황상, 김치코인들의(국내 거래량이 높은 코인) 10%~30%씩 순환 펌핑 중..

- 손익비 분석

손절라인 대비 수익라인이 높아 손익비가 매우 좋은 타점이었다.

2. 체결요약

매수평균가 : 약 7.7 KRW

매도평균가 : 약 8.28 KRW

시세차익 : 약 7%

매매기간 : 약 6시간

3. 복기

차트 속 흐름을 읽으며, 시황 분석과 프랙탈 구조를 살펴본 결과, 유사한 패턴이 형성되었고, 거래량 분석이 중요한 포인트로 작용했다. 물론, 운도 따랐기에 짧은 시간 안에 수익을 얻을 수 있었다. 하지만 차트 분석과 매매에서는 언제나 겸손한 태도와 빠른 상황 대처가 무엇보다 중요하다고 생각한다.

특히, 단기간의 수익을 볼때마다 도파민의 유혹을 경계하려고 한다. 과거에는 연이은 매매로 인해 오히려 수익을 토해낸 경험이 많았기에, 이제는 수익을 거둘 때마다 매매 사이에 쉼표를 두며, 차분한 마음으로 흐름을 다시 바라보는 습관을 들이고 있다.

24.08.27(화)

저번에 대동맥 sinus부근에 붙어있는 coronary(작은 branch)를 제거한 이유

1. 단면적의 area, length 정확도 향상을 위해

2. 중앙선을 계산할 때, auto detection 모듈이 이 coronary로 빠지는 경우에 대비하기 위함.

지난 포스팅) coronary 제거

https://jayindustry.tistory.com/118

판막시술을 위한 대동맥 단면적을 구하기 위해서는 저 중앙선 centerline을 잘 그려내어야한다.

그려낸 중심선을 따라 내접구를 굴려가며 단면적 정보를 추출할 수 있고,

가장 중요한 것은 대동맥을 1자로 straightening을 할 수 있기 때문이다.

하지만 coronary때문에 auto detection 예외 케이스들이 발생하여 사진처럼 분지로 빠지는 경우가 다수 있다.

뿐만 아니라, 단면적을 구했을 때 coronary가 있는 slice는 area나 length가 더 크게 측정될 수 밖에 없다.

그렇기 때문에 저번까지 coronary를 제거하였으나, 또 몇 가지 예외케이스들이 발생하였다.

그리하여 확실하게 auto detecting을 하기 위해 심장쪽으로 빠지는 저 연장부위를 뾰족하게 더 많이 늘리는 작업을 하였다.

결과)

결과적으로 20개의 대동맥을 test하였을 때 중심선이 모두 자동으로 잘 잡혔다.

어차피 중요하게 측정할 부위는 저 노랑 네모박스 범위의 단면적이기 때문에, 충분히 늘려도 상관은 없다.

방법 요약)

coronary 제거 + label mask를 심장방향으로 뾰족하게 연장.

방법 설명) abel mask를 심장방향으로 뾰족하게 연장.

coronary제거는 저번 포스팅참고..

1. slice파일들을 불러오며 array형태로 바꾼 후, mask가 2부위 이상인 index부터 시작하여 총 5장을 가져온다.

from skimage.measure import label, regionprops

# NumPy 배열로 변환
slices = np.array(slices)

# 각 슬라이스를 검사, 마스크가 두 부분 이상 있는 슬라이스 찾기
def find_slices_with_two_masks(slices):
    for i, slice_ in enumerate(slices):
        labeled_slice = label(slice_)
        regions = regionprops(labeled_slice)
        if len(regions) >= 2:
            return i
    return -1

skimage 라이브러리의 label을 매우 유용하게 사용하고 있다.

array에서 mask 영역들을 매우 잘 찾아준다.

2. 위에서 가져온 5장의 slice에서 y축기준으로 위에있는 mask를 타겟으로 한다.

우리 데이터에서는 해당 범위에서 위쪽의 mask가 sinus부위이다.

3. 타겟 mask의 중심점을 무게중심으로 찍는다.

두 mask의 컴포넌트 속성값들을 구한다. (변수 regions)

그 속성값에서 두 mask 각각의 무게중심 좌표들을 가져오고,

둘 중, y값이 더 작은 것이 가장 위에 위치한 mask의 무게중심좌표가 된다.

컴퓨터비전 및 이미지처리에서는 (0,0)좌표가 이미지의 왼쪽 상단에 위치하기 때문에, 위에있는 mask의 y값이 더 작다.

x는 오른쪽으로 갈수록 증가, y는 아래로 갈수록 증가한다.

labeled_slice = label(mask)  # 마스크를 레이블링하여 연결된 컴포넌트로 분할
regions = regionprops(labeled_slice)  # 각 연결된 컴포넌트의 속성을 계산

# 슬라이스에서 가장 위에 있는 마스크 선택
top_region = None
min_y_centroid = float('inf')

for region in regions:
    centroid = region.centroid  # 마스크의 중심점 (y, x 좌표)

    # y 좌표가 가장 작은(이미지에서 가장 위에 있는) 마스크 선택
    if centroid[0] < min_y_centroid:
        min_y_centroid = centroid[0]
        top_region = region

4. 타겟 mask의 중심점으로부터 x축으로 mask를 extend한다.

이 때, slice인덱스가 올라갈수록 길게했다가 다시 짧게한다.

그럼 다음과 같이 결과가 나온다.

이렇게 길어졌다가 짧아진다. ( 실제는 5장으로, 가운데가 가장길게끔 코딩하였다)

이 slice들을 png로 저장한 후,

해당 범위만 원본카피본에 덮어씌우고 nii.gz로 저장하여

3d slice에 segmentation으로 불러오면?

짜잔..!

이렇게 잘 연장된 모습이다.

24.08.22(목)

내일(금)은 예비군..!

오늘도 Coronary를 제거하였는데 이전 과정에 이어서  더 많은 환자에 대해 적용해보았다.

추가적인 알고리즘을 적용하여  최대한 예외케이스가 없도록 하였다.

이전 포스트)

https://jayindustry.tistory.com/117

실제 데이터는 1000명이므로 더 많은 케이스에 적용을 위한 반복문 코드를 짰다.

일단 오늘은 20명에 대하여 실험해보았다.

이 때, coronary가 있는 slice를 일일이 찾을 수 없으므로

알고리즘을 적용하여 coronary가 존재하는 범위를 추출 한 후,

해당 범위 내에서 coronary가 있는 slice들을 최대한 걸러내었다.

Sol_1.  coronary 존재하는 index범위 지정

시작 slice를 mask가 2개가 있는 slice부터 시작하여 +20 index를 끝으로 하였다.

CT slice두께가 2.5mm 이므로, 위 사진처럼 아래 빨간 줄(시작시점)에서 보통 +15 index 안에는 coronary가 존재한다.

from scipy.ndimage import label

# 이미지가 이진화 되어있을 때, 각 slice mask영역을 찾아냄
labeled_array, num_features = label(image_to_process > 0)
# 마스크 영역이 2개 이상인 경우 시작 인덱스로 지정
if num_features >= 2:
    start_index = idx
    break
    
if start_index is not None:
    # 마지막 슬라이스는 시작 인덱스 + 20
    end_index = min(start_index + 20, len(slice_files) - 1)

Sol_2. defects가 높은 slice 4개를 추리기 + 큰 순서대로 3번째 mask부터 제거

위에서 slice 갯수가 너무 많으므로 이 안에서 defects가 높은 slice 4개를 추리고 

추가로 mask가 3부위 이상이면, 가장 큰 2부위만 남기고 나머지는 제거한다.

( 2부위를 제외한 나머지는 coronary mask이기 때문 )

convexity defects의 결함정도를 수치화 하여 컨투어의 돌출부(결함)에 대해 큰 순서대로 top 4를 뽑는다.

# convexity defects 크기 계산 함수
def calculate_convexity_defects(contour):
    hull = cv2.convexHull(contour, returnPoints=False)
    if hull is None or len(hull) < 3:  # 결함이 계산될 수 없는 경우
        return 0
    defects = cv2.convexityDefects(contour, hull)
    if defects is None:
        return 0
    return np.sum(defects[:, 0, 3]) / 256
    # 원래 8비트단위에서 모든 결함 깊이 합계를 256으로 나누어 픽셀기준으로 계산
    # 3은 각 defects array에서 3번째 차원의 depth값들 선택

start_index = None
slice_defects = []
multi_mask_indices = set() # mask 3개 이상 슬라이스의 인덱스 저장

for idx, slice_file in enumerate(slice_files):
	slice_path = os.path.join(label_path, slice_file)
    label_image = io.imread(slice_path)
    
    ### 생략...
    
	for i in range(start_index, end_index + 1 ):
    	slice_path = os.path.join(label_path, slice_files[i])
        label_image = io.imread(slice_path)
        image_to_process = label_image if label_image.ndim == 2 else label_image[:,:,0]
        # 이미지를 처리하기 위해, 이미지가 2차원 배열(흑백 이미지)일 경우 그대로 사용하고, 
        # 3차원 배열(RGB 이미지)일 경우 첫 번째 채널(흑백에 해당하는 채널)만 사용
        
        # 원본 mask의 컨투어(외곽선)
        contours, _ = cv2.findContours(image_to_process, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
        # cv2.findContours 함수를 사용하여 이미지에서 외곽선을 추출.
        # 이미지에서 찾은 모든 컨투어(윤곽선)를 contours 리스트로 반환
        if contours:
            largest_contour = max(contours, key=cv2.contourArea)  # 가장 큰 컨투어 선택
            defects_size = calculate_convexity_defects(largest_contour) # 원본 컨투어와 돌출부(defect)간의 깊이(거리픽셀) 수치화
            slice_defects.append((defects_size, i))
            # slice_defects는 (defects_size, i) 형태의 튜플 , i는 index)
            
	# convexity defects 기준으로 정렬하여 상위4개 선택
    slice_defects = sorted(slice_defects, key=lamda x: x[0], reverse=True)[:4]
	# 최종 선택된 인덱스 리스트
    selected_indices = [int(slice_files[item[1]].split('_')[-1].split('.')[0]) for item in slice_defects]

    # 마스크 영역이 3개 이상인 슬라이스 인덱스를 추가
    if num_features >= 3:
        multi_mask_indices.add(idx)

slice_defects = sorted(slice_defects, key=lambda x: x[0], reverse=True)[:4]

- slice_defects : (defects_size, i) 형태의 튜플들을 담고 있는 리스트

- defects_size : 컨투어의 convexity defects 크기(깊이의 합)이며, i는 해당 슬라이스의 인덱스

- lambda x: x[0] : slice_defects리스트 내의 각 튜플에서 첫 번째 요소(x[0] = defects_size요소)를 기준으로 정렬(key = )하겠다는 뜻

lamda 

짧고 간단한 함수 정의하여 return할 때 사용.

예시)

add = lamda x,y = x+y

x,y를 인자로 받아서 x+y를 return

• lambda 함수는 x라는 인자를 받아, x[0]을 return
• x는 튜플 (defects_size, i)를 의미하며, x[0]은 그 튜플의 첫 번째 요소, 즉 defects_size

결과)

모두 잘 제거되었고 f1 score 또한 제거 전보다 조금 더 증가하였다.

회사에서 진행중인 TAVI 프로젝트

24.08.21

대동맥의 sinus부위에서 뻗어나가는 얇은 branch혈관인 coronary를 제거하였다.

사용기법

1. Convex hull & Convexity defect

2. 중심점 방사형 detect

3. spline 보간법 (둥근 곡선)

설명

Convex Hull 블록껍질은 오목한 부분을 찾아 볼록한 형태를 유지하는 다각형을 형성한다. 즉, 오목한 부분없이 볼록한 형태를 유지하는 외곽의 경계이다. 마치 고무밴드를 여러점 주위에 팽팽하게 당겨 그려진 외곽선과 같다.

Convexity Defect는 블록성 결함으로, contour(외곽선)가 Convex Hull에서 벗어나는 영역, 즉 내부로 들어가는 부분이다. 

cv2.findContours()로 마스크 이미지의 컨투어를 찾고, cv2.convexHull()함수로 이 컨투어를 감싸는 작은 다각형을 생성한다. 

cv2.convexityDefects() 함수를 사용하여 Convex Hull과 실제 컨투어 사이의 차이를 계산하고, Convex hull 안쪽으로 들어가는 부분(오목한부분)을 식별한다. 이는 불필요한 돌출부인 coronary를 제거하는 기준이 된다.

# 돌출부를 제거하는 함수
def remove_defects_from_mask(mask, depth_threshold=2, max_iterations=5):
    mask = cv2.cvtColor(mask, cv2.COLOR_BGR2GRAY)

    for _ in range(max_iterations):
        # 컨투어 찾기
        contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
        if len(contours) == 0:
            raise ValueError("No contours found")
        
        # 가장 큰 컨투어 선택
        contour = sorted(contours, key=cv2.contourArea)[-1]

        # 컨벡스 헐과 디펙트 계산
        hull = cv2.convexHull(contour, returnPoints=False)
        defects = cv2.convexityDefects(contour, hull)

        defectsIdx = []
        for i in range(defects.shape[0]):
            s, e, f, d = defects[i, 0]
            depth = d / 256
            if depth > depth_threshold:  # 임계값 이상 깊이의 디펙트 선택
                defectsIdx.append(f)

        if len(defectsIdx) < 2:
            break

        contour = remove_from_contour(contour, defectsIdx)

        # 컨투어로 마스크 갱신
        mask = np.zeros_like(mask)
        cv2.drawContours(mask, [contour], -1, 255, thickness=cv2.FILLED)

    return contour
    
    contour = remove_defects_from_mask(mask, depth_threshold=3, max_iterations=50)  # max_iterations 추가

depth_threshold=3, max_iterations=50

50회 반복, 깊이 쓰레스홀드를 늘려가면서 

매 반복마다 돌출부가 줄어들어 최종적으로 매끄럽게 된다.

깊이 쓰레스홀드가 증가할수록 더 작은(세심한) 돌출부위를 감지하여 없앤다.

초록색 외곽선을 보면, coronary부위(돌출부)가 제외됨을 볼 수 있다.

하지만 여전히 잘리지 않는 mask들이 존재하여, 추가적으로 알고리즘을 적용시켰다.

마스크의 중심점을 찾고 일정한각도로 방사형 직선을 뻗어나가, mask의 바깥과 만나는 지점에 점들을 찍는다.

해당 점들을 스플라인 보간법으로 둥근형태로 이어준다.

# 중심점에서 일정 각도로 직선을 뻗어 마스크의 0값을 만나는 지점을 찾는 함수
def find_intersections_with_mask(mask, center, num_rays=12):
    intersections = []
    angle_step = 360 / num_rays
    h, w = mask.shape

    for i in range(num_rays):
        angle = np.deg2rad(i * angle_step)
        direction = np.array([np.cos(angle), np.sin(angle)])
        
        for length in range(1, max(h, w)):
            x = int(center[0] + length * direction[0])
            y = int(center[1] + length * direction[1])
            
            if x < 0 or y < 0 or x >= w or y >= h or mask[y, x] == 0:
                intersections.append((x, y))
                break
    
    return intersections

# 스플라인 보간법 - 곡선 생성
def create_spline_curve(points):
    points = np.array(points)
    points = np.append(points, [points[0]], axis=0)  # 곡선을 닫기 위해 시작점을 끝에 추가
    tck, u = splprep([points[:, 0], points[:, 1]], s=0, per=True)
    u_new = np.linspace(u.min(), u.max(), 1000)
    x_new, y_new = splev(u_new, tck, der=0)
    return np.array([x_new, y_new], dtype=np.int32).T

스플라인 보간법으로 이어준 둥근 곡선안의 mask만 살리고 나머지는 지우도록한다.

이렇게 예외적으로 잘리지 않는 case는 추가알고리즘으로 coronary를 mask에서 제외시킬 수 있었다.

결과

python과 3D slicer를 연동하여 띄운 대동맥 모습이다.

붉은색이 coronary를 제거한 대동맥이고

푸른색이 coronary제거 전의 원본이다.

겹쳐서 보니 잘 제거된 모습이다.

F1 score는 미비하게 증가하였으나, TAVI프로젝트에서 중요한 부위인 sinus부근의 길이측정 정확도가 꽤많이 증가하였다.

아래 그래프는 2D slice index별로 sinus부근의 area, min/max length 비교한 그래프이다.

초록색 박스가 sinus부근인데 prediction이 이전에 비해 꽤 정확해진 모습이다.

8년차 차트 트레이딩을 하며 나만의 중요한 원칙과 부수원칙들을 재정립한다.

항상 원칙을 어길때마다 큰 손실을 얻었다.

생존을 목표로 한 이상 목에 칼이 들어와도 원칙을 지키겠다.

< 중요원칙 >

1. "과유불급" 

- 5%이상을 한번에 먹지 말고 작게 여러번먹자

- "줄 때 먹어라" 항상 되뇌이기

2. "존버는 지옥이다."

- 30분은 넘기지 말라.

- 암호화폐 성향상 비트 쿨럭임때문에 단기 트레이딩일수록 안전성이 높아진다.

3. "도파민 조절" 

- 도파민은 원칙을 어김과 비례한다. 단기간 갑작스런 수익률은 도파민을 부추긴다. 

- "화복상반" : 좋은일이 생기면 반드시 나쁜일도 따른다. 

즉, 좋은일이 생겼을땐 오히려 더 주의하고 겸손하며 교만하지 말아야한다.

4. "시간대"

- 오전9~10시(일봉마감), 밤 10시이후(나스닥)는 무포지션

5. "추격매수"

- 절대금물. 자기가 원하는 가격대는 반드시 온다.

6.

목표는 "생존과 복리"

요약

"과욕이 부른 참사.."

- 기간 : 06.30~07.04

- 종합수익률 : -3.5%

- 매매횟수 : 5회

- 현금화 20만원 

- 성과

입금한지 13일차

1%복리로 계산하면 현재 8회 연속성공과 같다.

( if no 현금화 -> 12회 )

목표

- 꾸준한 매일 +1% 복리수익 -> 1000회 성공

: 사실 말이 안되는 복리의 마법이지만 그만큼 부단히 원칙을 지켜서 손실횟수를 최소화하여 달려가보겠다.

- 시드규모에 따라 시장선정을 잘해야 한다. 알트 , 메이저, 주식, 미주, 나스닥...

- 수수료 공제하고 난 후 수익률을 기준으로 기록

- 500만원 매일 +1% 복리수익률 연속 764회 성공시 100억 달성한다.

1차 목표 : 31회 성공시, 40만원 현금화하기 !

500만원시작 매일 1% 복리표에서 31회 연속성공시 다음과 같다.

24.06.21  시작!

원화 입금 

24.06.30 ~ 07.04 

1~4 회까진 수익 !

단타로 야금야금 약 8% 추가수익을 보는 중이었다.

5회차 매매에 큰 손절!

약 -10%의 하락빔을 맞고 손절하였다.

6월29일 이후 종합 수익률은 -3.5%로 마감.

내용 및 복기

원칙을 잘지키면서 수익의 연속을 보면 도파민에 절여지게된다.

그러면 원칙을 어기면서 욕심을 부리게된다. 무조건 손실로 이어진다.

다시한번 다짐하자!

목표는 큰 수익률이 아니라 생존이다.

어긴원칙)

- 30분이상 들고있지 않기! -> But! 하루 이상 들고있었음

- 5%이상씩 먹지 않기

- 도파민 조절하기. = 집착하지 않기

+6%를 보고있던 마지막 5회차 매매에서 한순간 -10%가 되었다.

위 두 가지 원칙을 지켰더라면 나는 총 +14%로 마감했을것이다.

하지만 -3.5%로 마감했다.

깊히 반성하자. 나의 원칙을 세운데는 그만한 이유가 있다.

이참에 원칙을 다시한번 세우자.