Core Concepts
본 연구는 성인 교모세포종과 소아 종양 분할을 위한 앙상블 기반 딥러닝 모델을 제안한다. 이를 통해 정확한 종양 영역 검출과 효율적인 의료 영상 분석을 달성하고자 한다.
Abstract
본 연구는 BraTS 2023 챌린지의 성인 교모세포종과 소아 종양 분할 과제에 대한 접근법을 제시한다.
두 가지 인코더-디코더 기반 CNN 모델인 SegResNet과 MedNeXt를 활용하여 종양의 세 가지 하위 영역(괴사 종양 핵심, 종양 핵심, 전체 종양)을 분할한다.
특히 BraTS 2023 평가 지표에 맞추어 강력한 후처리 기법을 도입하여 분할 성능을 향상시킨다.
성인 교모세포종 분할 과제에서 앙상블 모델을 통해 평균 Dice 0.8313, HD95 36.38을 달성하여 3위를 기록했다.
소아 종양 분할 과제에서는 ET 클래스 성능 향상을 위해 별도의 모델을 학습하는 등 다양한 실험을 수행했다.
본 연구는 의료 영상 분석의 정확성과 효율성 향상을 위해 딥러닝 기반 앙상블 모델링과 도메인 특화 후처리 기법을 제안한다.
Stats
성인 교모세포종 데이터셋에는 1251개의 훈련 데이터와 219개의 검증 데이터가 포함되어 있다.
소아 종양 데이터셋에는 99개의 훈련 데이터와 45개의 검증 데이터가 포함되어 있다.
Quotes
"Automated segmentation proves to be a valuable tool in precisely detecting tumors within medical images."
"The BraTS challenge serves as a platform for researchers to tackle this issue by participating in open challenges focused on tumor segmentation."