BeSt-LeS: 심층 감독을 이용한 뇌졸중 병변 분할 벤치마킹

뇌졸중은 전 세계 건강에 중대한 부담이 되고 있으므로, 이 문제를 극복하기 위한 치료법과 예방 전략이 필요합니다. 이를 위해 임상의사들은 뇌졸중을 즉시 식별하고 위험도를 분류하는 것이 주요 과제입니다. 전문 임상의사를 지원하기 위해서는 자동 세그멘테이션 모델이 필수적입니다. 본 연구에서는 다양한 엔드투엔드 감독 학습 U-Net 스타일 모델을 벤치마킹하기 위해 공개된 데이터셋 ATLAS v2.0을 사용했습니다. 특히, 2D 및 3D 뇌 영상을 대상으로 모델을 벤치마킹하고 표준 메트릭을 사용하여 평가했습니다. 2D 변환기 기반 모델에서 최고의 Dice 점수 0.583을, 3D 잔차 U-Net에서 0.504를 각각 달성했습니다. 또한, 예측된 뇌졸중 부피와 실제 뇌졸중 부피 간의 관계를 분석하기 위해 3D 모델에 대해 윌콕슨 검정(Wilcoxon test)을 수행했습니다. 재현성을 위해 코드와 모델 가중치는 공개되어 있습니다: https://github.com/prantik-pdeb/BeSt-LeS.