Conceitos Básicos
내시경 검사에서 폴립 탐지 성능을 높이기 위해 일관성 기반 데이터 증강 기법 Consisaug를 제안한다.
Resumo
대장암은 초기에는 양성 폴립에서 시작되므로, 폴립의 조기 정확한 탐지가 대장암 예방에 매우 중요하다.
그러나 기존 내시경 검사는 의사의 경험에 크게 의존하여 폴립 탐지율이 낮은 문제가 있다.
또한 공개된 폴립 데이터셋의 폴립 크기와 모양의 다양성이 부족하여 딥러닝 기반 폴립 탐지 기술 발전에 한계가 있다.
이를 해결하기 위해 저자들은 일관성 기반 데이터 증강 기법 Consisaug를 제안한다.
Consisaug는 입력 영상을 좌우 대칭으로 변환했을 때 클래스 라벨과 바운딩 박스가 일관성 있게 유지되도록 하는 기법이다.
5개의 공개 폴립 데이터셋과 3개의 백본 모델에 Consisaug를 적용한 결과, 기존 모델 대비 폴립 탐지 성능이 향상되었다.
특히 Consisaug는 도메인 간 전이 학습에서도 우수한 성능을 보였다.
Estatísticas
기존 내시경 검사 방법은 최대 26%의 폴립 누락률을 보인다.
폴립 탐지 라벨링에는 전문가의 10초 이상의 시간이 소요된다.
Citações
"Colonoscopy, while essential for colorectal cancer (CRC) screening, is expensive, resource-demanding, and often met with patient reluctance."
"Unfortunately, up to 26% of colonoscopies may miss lesions and adenomas, as they heavily rely on the expertise of the endoscopist."