뇌 종양 분할을 위한 딥 뉴럴 네트워크

본 논문에서는 딥 뉴럴 네트워크(DNN)를 기반으로 한 완전 자동 뇌 종양 분할 방법을 제시합니다. 제안된 네트워크는 자기 공명(MR) 영상에서 나타나는 글리오ブラ스토마(저등급 및 고등급)에 특화되어 있습니다. 이 종양들은 본질적으로 뇌의 어느 곳에서든 나타날 수 있으며, 거의 모든 형태, 크기, 대비를 가질 수 있습니다. 이러한 이유로, 유연하고 용량이 큰 DNN을 활용하면서도 극히 효율적인 머신 러닝 솔루션을 탐구하였습니다. 여기서는 경쟁력 있는 성능을 얻기 위해 필수적이었던 다양한 모델 선택에 대해 설명합니다. 특히, 이미지 데이터에 특화된 컨볼루셔널 뉴럴 네트워크(CNN) 기반의 다양한 아키텍처를 탐구하였습니다.우리는 컴퓨터 비전에서 전통적으로 사용되던 것과 다른 새로운 CNN 아키텍처를 제시합니다. 우리의 CNN은 지역적 특징뿐만 아니라 더 광범위한 문맥적 특징을 동시에 활용합니다. 또한 대부분의 전통적인 CNN 사용과 달리, 우리의 네트워크는 최종 층이 완전 연결 층의 컨볼루션 구현으로 이루어져 있어 40배의 속도 향상을 가능하게 합니다. 우리는 또한 종양 라벨의 불균형 문제와 관련된 어려움을 해결하기 위한 2단계 학습 절차를 설명합니다. 마지막으로, 기본 CNN의 출력이 후속 CNN에 대한 추가 정보원으로 처리되는 캐스케이드 아키텍처를 탐구하였습니다.2013년 BRATS 테스트 데이터셋에서 보고된 결과는 우리의 아키텍처가 현재 출판된 최신 연구보다 우수하며, 30배 이상 빠르다는 것을 보여줍니다.