Główne pojęcia
희소하고 명확한 주석을 이용하여 자동 뇌종양 분할 모델을 학습하고, 도메인 적응 기법을 통해 샘플링 편향을 효과적으로 보정할 수 있다.
Streszczenie
이 논문은 자동화된 뇌종양 분할을 위한 새로운 방법을 제안한다. 현재 학습 기반 자동 분할 방법은 완전한 수동 분할 데이터에 의존하는데, 이는 매우 시간 소모적이고 오류가 발생하기 쉽다. 제안하는 방법은 희소하고 명확한 주석(Sparse and Unambiguous Regions, SUR)을 이용하여 분할기를 학습한다. 이렇게 학습된 분할기는 샘플링 편향으로 인한 성능 저하를 겪게 되는데, 도메인 적응 기법을 통해 이를 효과적으로 보정할 수 있다. 실험 결과, 제안 방법은 완전한 주석을 이용한 방법과 유사한 성능을 보이면서도 주석 생성 시간을 70배 이상 단축할 수 있었다. 이를 통해 다양한 시나리오와 영상 획득 환경에서 대규모 주석 데이터베이스를 효율적으로 구축할 수 있게 되었다.
Statystyki
수동 분할에 약 6시간이 소요되는 반면, 제안 방법의 주석 생성 시간은 5분 미만이다.
제안 방법의 학습 시간은 완전 주석 기반 방법에 비해 180배 이상 단축되었다.
제안 방법의 예측 시간은 완전 주석 기반 방법에 비해 2배 빠르다.
Cytaty
"제안 방법은 완전한 주석을 이용한 방법과 유사한 성능을 보이면서도 주석 생성 시간을 70배 이상 단축할 수 있었다."
"이를 통해 다양한 시나리오와 영상 획득 환경에서 대규모 주석 데이터베이스를 효율적으로 구축할 수 있게 되었다."