Core Concepts
본 연구는 내분비암 조직학적 등급을 정확하게 분류하기 위해 비전 트랜스포머 기반 딥러닝 모델 EndoNet을 제안한다. EndoNet은 내분비암 조직 이미지의 국소 및 전역 특징을 효과적으로 포착하여 저등급과 고등급 내분비암을 구분할 수 있다.
Abstract
본 연구는 내분비암의 조직학적 등급 분류를 위해 EndoNet이라는 비전 트랜스포머 기반 딥러닝 모델을 제안한다.
내분비암은 여성 생식기 암 중 가장 흔한 암으로, 저등급 내분비암과 고등급 내분비암으로 구분된다. 정확한 등급 분류는 환자 치료 계획 수립에 중요하지만, 병리학자 간 진단 편차가 크다는 문제가 있다.
EndoNet은 합성곱 신경망을 통해 조직 특징을 추출하고, 비전 트랜스포머를 통해 이를 통합하여 저등급과 고등급 내분비암을 분류한다.
내부 테스트 데이터셋과 외부 TCGA 데이터셋에서 EndoNet은 각각 F1 점수 0.91, 0.86, AUC 0.95, 0.86의 성능을 보였다.
EndoNet은 병리학자의 수동 주석 없이도 내분비암 등급을 효과적으로 분류할 수 있어, 병리학자의 진단 지원 도구로 활용될 수 있다.
Stats
내분비암 저등급 환자 중 88%가 정확하게 진단되었다.
내분비암 고등급 환자 중 87%가 정확하게 진단되었다.
Quotes
"EndoNet은 내분비암 조직 이미지의 국소 및 전역 특징을 효과적으로 포착하여 저등급과 고등급 내분비암을 구분할 수 있다."
"EndoNet은 병리학자의 수동 주석 없이도 내분비암 등급을 효과적으로 분류할 수 있어, 병리학자의 진단 지원 도구로 활용될 수 있다."