Core Concepts
본 연구는 의료 영상 등록을 위해 GPU 가속 모션 분해 트랜스포머(ModeTv2) 기반 쌍대 최적화 기법을 제안한다. ModeTv2는 다중 모션 모드를 효과적으로 모델링하고 등록 정확도, 효율성 및 일반화 성능을 향상시킨다.
Abstract
본 연구는 의료 영상 등록을 위한 GPU 가속 모션 분해 트랜스포머(ModeTv2) 기반 쌍대 최적화 기법을 제안한다.
먼저, 고정 영상과 이동 영상의 계층적 특징을 추출하는 인코더를 설계하였다. 이후 ModeTv2 모듈을 통해 다중 모션 모드를 효과적으로 모델링하고, 이를 통합하는 RegHead 모듈을 제안하였다. 이를 통해 등록 정확도, 효율성 및 일반화 성능을 향상시켰다.
실험 결과, 제안 방법은 기존 최신 방법들에 비해 우수한 성능을 보였다. 특히 쌍대 최적화 실험에서도 높은 정확도와 빠른 수렴 속도를 보였다. 이는 ModeTv2의 강력한 모션 모델링 능력과 RegHead의 효과적인 모션 통합 기능에 기인한다.
Stats
초기 ABCT 데이터셋의 DSC 값은 45.7%였다.
제안 방법 ModeTv2-l은 ABCT 데이터셋에서 DSC 81.8%, HD95 19.57mm, ASSD 4.48mm의 성능을 보였다.
제안 방법 ModeTv2-diff-l은 LPBA 데이터셋에서 DSC 73.9%, HD95 5.32mm, ASSD 1.49mm의 성능을 보였다.
제안 방법 ModeTv2-diff-l은 Mindboggle 데이터셋에서 DSC 62.8%, HD95 5.11mm, ASSD 1.17mm의 성능을 보였다.