Core Concepts
폐 세포학 이미지를 분류하고 이를 바탕으로 자동으로 보고서를 생성하는 방법을 제안한다.
Abstract
이 연구에서는 폐 세포학 이미지를 분류하고 보고서를 자동으로 생성하는 방법을 제안한다.
먼저, 합성곱 신경망(CNN)을 이용하여 이미지를 양성과 악성으로 분류한다.
분류 결과에 따라 각각의 경우에 대한 텍스트 디코더를 선택하여 보고서를 생성한다.
텍스트 디코더는 트랜스포머 구조를 사용하며, 층 수와 헤드 수를 최적화하여 성능을 향상시켰다.
제안 방법은 기존 이미지 캡셔닝 모델보다 우수한 성능을 보였으며, 분류 결과와 관심 영역을 함께 제공하여 세포학 진단을 지원할 수 있다.
Stats
양성 세포의 경우 민감도와 특이도가 각각 100%, 98.1%로 매우 높았다.
악성 세포의 경우 민감도와 특이도가 각각 100%, 98.1%로 매우 높았다.
Quotes
"폐암은 모든 암 중 발생률과 사망률이 가장 높다."
"세포학적 진단은 시간이 많이 소요되고 부담이 크다."
"이미지 분석과 보고서 생성 과정을 자동화하면 진단 효율이 향상되고 부담이 크게 감소할 것이다."