핵심 개념
특징 모방 신경망(FINs)은 폐쇄형 통계 특징을 근사하도록 사전 학습된 신경망으로, 이를 다른 신경망에 통합하면 성능이 향상된다.
초록
이 연구에서는 의료 영상 처리 작업에 FINs를 처음으로 평가했다. 먼저 6개의 일반적인 방사선학적 특징을 모방하도록 FINs를 학습시켰다. 그 후 FINs를 포함하거나 포함하지 않은 더 큰 신경망 모델을 3가지 실험 작업(COVID-19 탐지, 뇌종양 분류, 뇌종양 분할)에 적용했다.
실험 결과, FINs가 포함된 모델이 매개변수가 더 많은 기준 모델보다 성능이 향상되었다. 또한 FINs가 포함된 모델은 기준 모델보다 더 빠르고 일관되게 수렴했다. 이 결과는 FINs가 다양한 의료 영상 처리 작업에서 최첨단 성능을 제공할 수 있음을 보여준다.
통계
COVID-19 탐지 실험에서 FINs 모델의 AUROC는 0.998로 CNN 모델(0.995)보다 높았고, 표준편차는 42% 낮았다.
뇌종양 분류 실험에서 FINs 모델의 F1 점수는 0.643, 정확도는 0.697로 회색조 CNN 모델(F1 0.629, 정확도 0.684)보다 높았다.
뇌종양 분할 실험에서 FINs가 포함된 UNet 모델의 IoU는 0.74, 다이스 계수는 0.851로 기준 UNet 모델(IoU 0.72, 다이스 계수 0.835)보다 높았다.
인용구
"FINs는 데이터가 부족한 환경에서 표준 딥러닝의 과제를 해결하는 최근에 개발된 딥러닝 패러다임이다."
"FINs는 신경망 구조에 통합되어 해당 작업에 가장 효과적인 특징 표현으로 진화한다."