Core Concepts
3D 정규화 흐름 모델인 CT-3DFlow를 통해 정상 폐 CT 데이터의 분포를 학습하고, 이를 기반으로 비정상 폐 CT 스캔을 탐지한다.
Abstract
이 연구는 3D 정규화 흐름(Normalizing Flow) 모델인 CT-3DFlow를 제안하여 폐 CT 스캔의 비정상 탐지 문제를 해결한다.
모델 학습 과정:
정상 폐 CT 패치(48x48x48)를 사용하여 3D 정규화 흐름 모델을 비지도 학습
모델은 정상 데이터의 분포를 학습하고, 이를 통해 로그 우도(log-likelihood) 값을 계산
추론 과정:
전체 CT 스캔에서 겹치는 패치를 추출하고, 각 패치의 로그 우도 값을 계산
패치 단위 로그 우도 값을 가우시안 필터링하여 전체 CT 스캔의 로그 우도 맵을 생성
로그 우도 맵을 이진화, 필터링, 임계값 처리하여 환자 단위 정상/비정상 예측
실험 결과:
제안한 CT-3DFlow 모델이 다른 최신 방법들에 비해 우수한 성능을 보임
AUROC 0.952, F1 0.94, 정확도 0.924
향후 연구:
다른 의료 영상 모달리티와 장기에 대한 일반화 필요
패치 단위 로그 우도 값 집계 방법에 대한 추가 검증 필요
Stats
전체 822명의 환자 데이터 중 570명은 정상, 252명은 비정상 CT 스캔
데이터셋을 훈련 470개, 검증 111개, 테스트 291개로 분할