회전-이동 등가성 합성곱 네트워크: 조직병리학 이미지 분석에의 응용

회전 불변성은 의료 이미지 분석, 특히 계산 조직학 응용 프로그램에서 원하는 속성입니다. 우리는 특수 유클리드 운동 그룹 SE(2)의 기하 구조를 합성곱 네트워크에 인코딩하여 SE(2)-그룹 합성곱 층을 도입함으로써 번역과 회전 등가성을 얻는 프레임워크를 제안합니다. 이 구조는 모델이 이산화된 방향 차원을 가진 특징 표현을 학습할 수 있게 하며, 이로 인해 출력이 특정 이산 회전 집합에 대해 불변임을 보장합니다. 회전 불변성을 위한 전통적인 접근 방법은 대부분 데이터 증강에 의존하지만, 이는 입력이 회전될 때 출력의 견고성을 보장하지 않습니다. 따라서 훈련된 전통적인 CNN은 최대 성능을 발휘하기 위해 테스트 시점에서 회전 증강이 필요할 수 있습니다. 본 연구는 임의의 전역 방향 정보가 머신 러닝 모델에 의해 포착되지 않는 것이 바람직한 조직학 이미지 분석 응용 프로그램에 초점을 맞추고 있습니다. 제안된 프레임워크는 세 가지 다른 조직학 이미지 분석 작업(유사분열 검출, 핵 분할 및 종양 분류)에서 평가되었습니다. 각 문제에 대한 비교 분석을 제시하고, 제안된 프레임워크를 사용할 때 성능이 일관되게 향상됨을 보여줍니다.