Core Concepts
의료 영상 데이터의 해부학 기반 영상 평면 정보를 활용하여 자기 지도 학습을 수행하고, 이를 통해 관련 하위 작업의 성능을 크게 향상시킬 수 있다.
Abstract
이 연구에서는 의료 영상 데이터의 해부학 기반 영상 평면 정보를 활용하여 두 가지 보완적인 자기 지도 학습 과제를 제안한다. 첫 번째 과제는 영상 평면 간의 상대적 방향을 예측하는 것이다. 이를 위해 영상 평면의 교차선을 예측하는 방식을 사용한다. 두 번째 과제는 병렬 영상 평면 내에서 슬라이스의 상대적 위치를 예측하는 것이다. 이 두 가지 과제는 개념적으로 간단하고 구현하기 쉬우며, 다중 과제 학습을 통해 결합할 수 있다. 심장과 무릎 영상을 대상으로 한 실험 결과, 제안된 자기 지도 학습 과제가 의미 분할 및 분류와 같은 관련 하위 작업의 성능을 크게 향상시킬 수 있음을 보여준다. 이는 해부학 기반 영상 평면 정보를 활용하는 것이 일반적인 변환 및 복구 기반 자기 지도 학습 과제보다 관련 하위 작업에 더 유용할 수 있음을 시사한다.
Stats
심장 MRI 데이터셋에서 4명의 피험자로 미세 조정할 때 평균 Dice 계수는 0.814이고 평균 ASSD는 1.917 mm이다.
심장 MRI 데이터셋에서 32명의 피험자로 미세 조정할 때 제안한 MTL 방법이 두 배 많은 데이터로 처음부터 학습하는 것보다 성능이 훨씬 좋다.
Quotes
"의료 영상 데이터의 해부학 기반 영상 평면 정보를 활용하여 자기 지도 학습을 수행하고, 이를 통해 관련 하위 작업의 성능을 크게 향상시킬 수 있다."
"제안된 자기 지도 학습 과제가 의미 분할 및 분류와 같은 관련 하위 작업의 성능을 크게 향상시킬 수 있음을 보여준다."