Kernkonzepte
3D-TransUNet 모델을 사용하여 BraTS2023 챌린지 데이터셋의 뇌 전이암을 효과적으로 분할할 수 있음을 입증하였다.
Zusammenfassung
이 연구는 BraTS2023 챌린지 데이터셋에서 뇌 전이암 분할을 위해 3D-TransUNet 모델을 사용하였다. 뇌 전이암은 다양한 모양과 크기로 인해 분할이 어려운 과제이다. 이를 해결하기 위해 Transformer 기반의 3D-TransUNet 모델을 활용하였다.
구체적으로 다음과 같은 내용을 다루었다:
Encoder-only와 Decoder-only 두 가지 3D-TransUNet 아키텍처를 실험하였다.
Encoder-only 모델의 경우 Masked-Autoencoder 사전 학습을 통해 Transformer Encoder의 초기화를 개선하여 학습 속도를 높였다.
5-fold 교차 검증 결과, Decoder-only 모델이 Encoder-only 모델보다 더 나은 성능을 보였다.
하지만 계산 및 시간 제약으로 인해 최종 제출에는 Encoder-only 모델을 사용하였다.
Encoder-only 모델은 BraTS2023 챌린지 테스트 세트에서 평균 병변 Dice 점수 59.8%를 달성하여 2위를 차지하였다.
Statistiken
뇌 전이암의 연간 발생률은 10만 명당 24명이다.
뇌 전이암은 모든 원발성 뇌암 발생 건수를 합친 것보다 더 많이 발생한다.
Zitate
"뇌 전이암은 다양한 모양과 크기로 인해 분할이 어려운 과제이다."
"3D-TransUNet 모델은 Transformer 기반의 글로벌 문맥 이해와 CNN의 지역적 효율성을 결합하여 뇌 전이암 분할에 효과적이다."