Alapfogalmak
해부학적 특성을 고려하고 다중 스케일 정보를 활용하여 유방 초음파 영상의 의미론적 분할 성능을 향상시킨다.
Kivonat
이 논문은 유방 초음파 영상의 의미론적 분할을 위한 새로운 접근법을 제안한다. 주요 내용은 다음과 같다:
-
해부학적 특성을 고려한 새로운 평활성 손실 함수를 제안하였다. 이를 통해 인접 픽셀의 유사성과 조직 간 관계를 반영하여 보다 부드러운 분할 결과를 얻을 수 있다.
-
다중 스케일 정보를 활용하는 새로운 신경망 구조인 A2DMN을 제안하였다. 이 구조는 팽창 합성곱을 활용하여 다양한 크기의 객체를 정확하게 분할할 수 있다.
-
325장의 유방 초음파 영상 데이터셋을 사용하여 실험을 진행하였다. 실험 결과, 제안한 방법이 근육, 유방, 종양 조직의 분할 성능을 크게 향상시켰으며, 조직 경계 정확도 또한 개선되었음을 확인하였다.
Statisztikák
이 연구에서 사용한 데이터셋은 325장의 유방 초음파 영상으로, 피하지방, 유방, 근육, 종양, 배경 등 5개 클래스로 레이블링되어 있다.
데이터 증강을 위해 랜덤 회전, 수평 반전, 랜덤 이동 등의 변환을 적용하였다.
추가로 3개의 유방 초음파 데이터셋(BUSIS, UDIAT, BUSI)을 사용하여 이진 종양 분할 모델을 사전 학습하였다.
Idézetek
"Most current approaches inherently lack the ability to utilize tissue anatomy, resulting in misclassified image regions."
"They struggle to produce accurate boundaries due to the repeated down-sampling operations."