17일 전

S2S2: 의료 영상에서 강건한 의미 분할을 위한 의미 스택킹

Yimu Pan, Sitao Zhang, Alison D. Gernand, Jeffery A. Goldstein, James Z. Wang
S2S2: 의료 영상에서 강건한 의미 분할을 위한 의미 스택킹
초록

의료 영상 세그멘테이션에서의 강건성과 일반화 능력은 훈련 데이터의 부족과 다양성 부족으로 인해 종종 제한된다. 이는 추론 단계에서 실제로 경험하는 다양성과 대조된다. 기존의 전략들, 예를 들어 도메인 특화 증강 기법, 전문화된 아키텍처, 맞춤형 훈련 절차 등은 이러한 문제를 완화할 수 있으나, 도메인 지식의 가용성과 신뢰성에 의존한다. 이러한 지식이 부족하거나 오해되거나 부적절하게 적용될 경우 성능 저하가 발생할 수 있다. 이를 해결하기 위해, 우리는 영상 정화에서 영상 스택킹(image stacking) 기법을 영감으로 받아 개발한 새로운 도메인 무관형, 추가형, 데이터 기반 전략을 제안한다. 이를 '세마틱 스택킹(Semantic Stacking)'이라 명명하며, 기존의 세그멘테이션 손실과 함께 정화된 세마틱 표현을 추정하는 방식으로 훈련 과정을 보완한다. 이 방법은 도메인 특화 가정에 의존하지 않기 때문에 다양한 영상 모달리티, 모델 아키텍처, 증강 기법에 널리 적용 가능하다. 광범위한 실험을 통해 본 연구는 다양한 조건 하에서 세그멘테이션 성능 향상 측면에서 제안 방법의 우수성을 입증하였다. 코드는 https://github.com/ymp5078/Semantic-Stacking 에서 제공된다.

S2S2: 의료 영상에서 강건한 의미 분할을 위한 의미 스택킹 | 최신 연구 논문 | HyperAI초신경