3D 의료 영상 분할을 위한 조건부 랜덤 필드와 순환 신경망의 활용

조건부 랜덤 필드(CRF)를 순환 신경망(RNN) 계층으로 사용하는 알고리즘은 기존의 완전 합성곱 신경망(Fully-Convolutional Neural Network, FCN) 위에 배치하여 의미 분할(semantic segmentation)의 품질을 개선하기 위해 최근 제안되었습니다. 본 논문에서는 이 알고리즘이 2D RGB 이미지의 의미 분할을 개선하는 것으로 입증되었지만, 3D 다중 모달 의료 이미지의 분할 품질을 개선할 수 있는지 테스트하였습니다. 우리는 이 알고리즘을 임의의 공간 차원, 입력/출력 이미지 채널, 그리고 참조 이미지 채널에 대해 작동하도록 구현했습니다. 우리가 아는 한, 이와 같은 공개된 구현은 최초입니다. 우리는 두 가지 다른 3D 의료 영상 데이터셋을 사용하여 알고리즘을 테스트하였으며, 관찰된 성능 차이가 통계적으로 유의미하지 않다고 결론 내렸습니다. 마지막으로, 논문의 논의 섹션에서 이 기술이 자연 이미지에서 의료 이미지로 부적절하게 전이되는 이유에 대해 자세히 설명합니다.