Core Concepts
의료 영상 응용을 위해 중요한 이미지 통계를 정확하게 재현할 수 있는 심층 생성 모델의 개발과 평가가 필요하다.
Abstract
이 보고서는 2023년 AAPM 그랜드 챌린지 "의료 영상 통계 학습을 위한 심층 생성 모델링"의 결과를 다룹니다. 이 챌린지의 목표는 의료 영상 합성을 위한 심층 생성 모델의 개발을 촉진하고, 관련 이미지 통계에 대한 도메인 특화 평가의 필요성을 강조하는 것이었습니다.
챌린지에서는 공통 교육 데이터셋과 평가 절차를 제공했습니다. 교육 데이터셋은 기존의 3D 가상 유방 팬텀을 기반으로 했으며, 약 108,000장의 512x512 크기 이미지로 구성되었습니다. 제출된 모델은 두 단계의 평가를 거쳤습니다. 첫 번째 단계에서는 메모리화와 이미지 품질(FID)을 확인했고, 두 번째 단계에서는 텍스처, 형태학, 이미지 모멘트, 프랙탈 통계, 골격 통계 등 다양한 특징에 대한 통계 재현성을 평가했습니다.
총 58개의 제출물이 있었고, 이 중 9개의 제출물이 최종 평가 대상이 되었습니다. 상위 3개 제출물은 조건부 잠재 확산 모델, GAN 기반 모델과 이미지 초해상화 모델의 조합을 사용했습니다. 추가 분석 결과, 상위 모델들도 여전히 일부 인공물을 보였으며, 개별 특징 군에 대한 성능이 전체 순위와 일치하지 않는 것으로 나타났습니다. 또한 서로 다른 모델에서 유사한 인공물이 관찰되어, 이는 모델 아키텍처 자체의 한계일 가능성이 있습니다.
이번 챌린지를 통해 의료 영상 응용을 위한 DGM 설계 및 배치에 있어 도메인 특화 평가의 필요성이 강조되었습니다. 또한 DGM의 용도에 따라 요구되는 사양이 달라질 수 있음이 확인되었습니다.
Stats
유방 팬텀 이미지의 지방 대 선유 조직 비율은 베타 분포를 따른다.
지방 조직: tfat ∼60 X + 52, where X ∼Beta(α = 2, β = 4)
선유 조직: tglandular ∼96 X + 128, where X ∼Beta(α = 4, β = 2)
피부: tskin ∼16 X + 228, where X ∼Beta(α = 3, β = 3)
인대: tligaments ∼16 X + 232, where X ∼Beta(α = 3, β = 3)
Quotes
"이번 챌린지를 통해 의료 영상 응용을 위한 DGM 설계 및 배치에 있어 도메인 특화 평가의 필요성이 강조되었습니다."
"또한 DGM의 용도에 따라 요구되는 사양이 달라질 수 있음이 확인되었습니다."