라벨리스 간 종양 세그멘테이션

우리는 CT 영상에서 합성 종양을 활용함으로써 수작업 레이블링 없이도 AI 모델이 간 종양을 정확히 세그먼트할 수 있음을 입증한다. 우리 합성 종양은 두 가지 흥미로운 장점을 지닌다. (I) 형태와 질감이 매우 현실적이어서 심지어 의료 전문가조차 실제 종양과 혼동할 수 있을 정도이며, (II) AI 모델 학습에 효과적이어서 실제 종양 데이터로 학습한 모델과 유사한 성능을 발휘한다. 이 결과는 매우 의미 있는데, 기존에 합성 종양만을 사용한 연구 중 이와 유사하거나 비슷한 성능을 달성한 사례는 아직 없었기 때문이다. 이는 또한 종양을 볼륨 단위로 수작업으로 레이블링하는 데 수년이 걸리는 이러한 수작업 노력을 향후 크게 줄일 수 있음을 시사한다. 더불어, 우리의 합성 종양은 소형(또는 미세한) 합성 종양의 수많은 예시를 자동으로 생성할 수 있으며, 이는 소형 간 종양 탐지 성공률을 높일 잠재력을 지닌다. 이는 암의 조기 단계를 탐지하는 데 매우 중요한 요소이다. 또한, 학습 데이터를 풍부하게 만드는 것 외에도, 우리의 합성 전략을 통해 AI의 견고성(로버스트성)을 엄격하게 평가할 수 있게 되었다.