이 연구에서는 자기 지도 학습 심층 변형 마스크 자동 인코더를 이용하여 두개골 결손을 자동으로 재건하는 방법을 제안했다. 기존의 감독 학습 기반 볼륨 분할 방법은 실제 두개골 결손 데이터를 수집하고 주석을 달기 어려워 합성 데이터를 사용해야 했다. 반면 제안 방법은 건강한 두개골 데이터만 있으면 되며, 마스크 생성과 변형을 통해 데이터 다양성을 높일 수 있다.
실험 결과, 제안 방법은 기존 최신 분할 네트워크보다 Dice 계수와 Hausdorff 거리 측면에서 우수한 성능을 보였다. 특히 SkullBreak 데이터셋에서 두드러진 성능 향상을 보였는데, 이는 변형 마스크 생성이 중요한 역할을 했기 때문이다. 향후 연구에서는 건강한 두개골 데이터에 대한 추가 증강 기법을 적용하여 성능을 더 높일 계획이다.
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Marek Wodzin... at arxiv.org 04-23-2024
https://arxiv.org/pdf/2404.13106.pdfDeeper Inquiries