Core Concepts
사용자가 관심 영역에 마커를 그리면 다단계 FLIM(MS-FLIM) 방법을 통해 첫 번째 합성곱 층의 필터를 추정하고 선택하여 뇌종양 분할 네트워크를 구축할 수 있다.
Abstract
이 연구는 사용자가 관심 영역에 마커를 그리면 다단계 FLIM(MS-FLIM) 방법을 통해 첫 번째 합성곱 층의 필터를 추정하고 선택하는 새로운 방법을 제안한다. 이를 통해 뇌종양 분할 네트워크를 구축할 수 있다.
실험에서는 MS-FLIM 기반 sU-Net 모델과 완전 역전파 기반 sU-Net, FLIM 기반 sU-Net 모델을 비교하였다. 또한 두 개의 최신 심층 신경망 모델인 DeepMedic과 nnU-Net과도 비교하였다.
결과적으로 MS-FLIM 기반 sU-Net 모델이 FLIM 기반 모델보다 우수한 성능을 보였으며, 최신 모델들과 비교해서도 표준편차 내에서 유사한 성능을 달성하였다. 또한 학습 시간 측면에서도 MS-FLIM 기반 모델이 효율적인 것으로 나타났다.
Stats
뇌종양 분할에서 가장 중요한 세 가지 영역은 강화 종양(ET), 괴사 중심(NC), 전체 종양(WT)이다.
제안한 MS-FLIM 기반 sU-Net 모델은 ET, NC, WT 영역에 대해 각각 0.746, 0.813, 0.785의 DICE 점수를 달성하였다.
이는 완전 역전파 기반 sU-Net 모델(0.665, 0.734, 0.721)과 FLIM 기반 sU-Net 모델(0.691, 0.733, 0.702)보다 우수한 성능이다.
Quotes
"사용자가 관심 영역에 마커를 그리면 다단계 FLIM(MS-FLIM) 방법을 통해 첫 번째 합성곱 층의 필터를 추정하고 선택할 수 있다."
"MS-FLIM 기반 sU-Net 모델은 최신 모델들과 비교해서도 표준편차 내에서 유사한 성능을 달성하였다."