다중 시점 초복소수 학습을 이용한 유방암 스크리닝

전통적으로 유방암 분류를 위한 딥 러닝 방법은 단일 시점 분석을 수행해 왔습니다. 그러나 방사선과학자들은 유방 X선 촬영 검사를 구성하는 네 가지 시점을 동시에 분석합니다. 이는 유방 X선 촬영 시점 간에 포함된 상관관계가 종양 식별에 중요한 정보를 제공하기 때문입니다. 이러한 점을 고려하여 일부 연구에서는 다중 시점 방법을 제안하기 시작했습니다. 그러나 기존의 이러한 구조에서 유방 X선 촬영 시점은 별도의 컨볼루션 브랜치로 독립적인 이미지로 처리되므로 그들 사이의 상관관계가 손실됩니다.이러한 한계를 극복하기 위해 본 논문에서는 매개변수화된 초복소수 신경망을 기반으로 하는 다중 시점 유방암 분류 방법론적 접근법을 제안합니다. 초복소수 대수의 특성 덕분에 우리의 신경망은 유방 X선 촬영을 구성하는 다양한 시점 간의 존재하는 상관관계를 모델링하고 활용할 수 있으며, 이를 통해 임상 의사들이 수행하는 판독 과정을 모방할 수 있습니다. 이는 초복소수 신경망이 표준 신경모델처럼 전역적 특성을 포착하면서도 실수 값 신경망이 모델링하지 못하는 지역적 관계, 즉 시점 간 상관관계를 포착할 수 있기 때문입니다.우리는 두 시점 검사를 처리하도록 설계된 PHResNets와 네 시점 검사를 처리하도록 설계된 PHYSEnet 및 PHYBOnet 등의 아키텍처를 정의하였습니다. 공개 데이터셋을 사용하여 수행한 광범위한 실험 평가를 통해 제안된 모델이 실수 값 대응물과 최신 방법보다 명확히 우월함을 입증하였으며, 이는 유방암 분류가 제안된 다중 시점 아키텍처로부터 혜택 받음을 증명합니다. 또한 우리는 다른 벤치마크와 세그멘테이션과 같은 더 미세한 작업까지 고려하여 해당 방법의 일반화 능력을 평가하였습니다.본 연구의 실험이 완전히 재현될 수 있도록 전체 코드와 사전 학습된 모델은 https://github.com/ispamm/PHBreast에서 무료로 제공됩니다.