[G1-Sync] Manual knowledge update

10_Wiki/Topics/Medical-Imaging-Data-Augmentation.md

@@ -1,8 +1,8 @@
 ---
-id: P-REINFORCE-AUTO-MIDA-001
+id: [[P-Reinforce]]-AUTO-MIDA-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
-tags: [auto-reinforced, medical-imaging, data-augmentation, deep-learning, diagnosis, radiology, synthetic-data]
+tags: [auto-reinforced, medical-imaging, data-augmentation, [[Deep-Learning]], diagnosis, radiology, [[Synthetic-Data]]]
 last_reinforced: 2026-04-20
 ---
 
@@ -19,13 +19,13 @@ last_reinforced: 2026-04-20
     *   **Intensity/Color Mapping**: 밝기, 대조 조절 (X-ray, MRI 등 장비 편차 반영).
     *   **Advanced Generative Models**: GAN이나 Diffusion을 활용해 전이된 질환 부위가 포함된 합성 의료 영상 생성. (Synthetic-Data와 연결)
 2.  **왜 중요한가?**:
-    *   희귀 질환 데이터는 전 세계적으로도 구하기 힘들며, 증강된 데이터는 모델이 한정된 데이터에 과적합(Overfitting)되는 것을 방지하기 때문임. (Bias-Variance-Tradeoff와 연결)
+    *   희귀 질환 데이터는 전 세계적으로도 구하기 힘들며, 증강된 데이터는 모델이 한정된 데이터에 과적합([[Overfitting]])되는 것을 방지하기 때문임. ([[Bias-Variance-Tradeoff]]와 연결)
 
 ## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
-- **과거 데이터와의 충돌**: 과거에는 "가짜 데이터를 쓰면 오진의 위험 정책이 커진다"고 우려했으나, 현대 정책은 물리 법칙을 반영한 고품질 합성 데이터 정책이 실제 데이터만 썼을 때보다 모델의 강건성(Robustness) 정책을 획기적으로 높인다는 것을 입증함(RL Update).
-- **정책 변화(RL Update)**: 이제는 단순 이미지 변환 정책을 넘어, 환자의 임상 정보 정책(Text)과 영상 정책을 결합하여 가상의 환자나 질환 진행 경과 정책을 예측 생성하는 '멀티모달 시뮬레이션 정책'으로 진화 중임. (Scientific-Method와 연결)
+- **과거 데이터와의 충돌**: 과거에는 "가짜 데이터를 쓰면 오진의 위험 정책이 커진다"고 우려했으나, 현대 정책은 물리 법칙을 반영한 고품질 합성 데이터 정책이 실제 데이터만 썼을 때보다 모델의 강건성([[Robustness]]) 정책을 획기적으로 높인다는 것을 입증함(RL Update).
+- **정책 변화(RL Update)**: 이제는 단순 이미지 변환 정책을 넘어, 환자의 임상 정보 정책(Text)과 영상 정책을 결합하여 가상의 환자나 질환 진행 경과 정책을 예측 생성하는 '멀티모달 시뮬레이션 정책'으로 진화 중임. ([[Scientific-Method]]와 연결)
 
 ## 🔗 지식 연결 (Graph)
 - [[Synthetic-Data]], [[Scientific-Method]], [[Bias-Variance-Tradeoff]], Deep Learning (DL), Generalization, [[Research]]
-- **Key Apps**: Cancer detection, Radiology automation, Pathology analysis.
+- **Key Apps**: Cancer detection, Radiology automation, Pathology [[Analysis]].
 ---