회전 등가성 CNN을 이용한 디지털 병리학

우리는 회전과 반사에 대해 본질적으로 대칭적인 조직병리학 이미지라는 관찰을 바탕으로 디지털 병리학 분할을 위한 새로운 모델을 제안합니다. 최근 회전 등변성 CNNs(회전 등변성 컨볼루션 신경망)에 대한 연구 결과를 활용하여, 제안된 모델은 이러한 대칭성을 원칙적으로 활용합니다. 우리는 예측의 안정성이 개선된 시각적 분석을 제시하며, 회전 등변성을 활용함으로써 도전적인 림프절 전이 데이터셋에서 종양 검출 성능이 크게 향상되는 것을 보여줍니다. 또한, 기계 학습 모델 간의 원칙적인 비교를 가능하게 하는 새로운 파생 데이터셋과 초기 벤치마크를 함께 제시합니다. 이 데이터셋을 통해 조직병리학 진단 작업은 기본적인 기계 학습 연구의 도전적인 벤치마크로 접근할 수 있게 되었습니다.