본 연구는 잠재 확산 모델(LDM)을 활용하여 다중 Gleason 등급(GG)이 포함된 합성 조직병리학 이미지를 생성하는 방법을 제안한다. 기존 LDM은 복잡한 마스크로 인해 정확한 GG 패턴을 생성하는 데 어려움이 있었다. 이를 해결하기 위해 저자들은 "Self-Distillation from Separated Conditions (DISC)"라는 기법을 도입했다. DISC는 개별 GG 마스크로 잠재 특징을 생성한 후, 이를 활용하여 원래의 LDM 모델을 fine-tuning하는 방식이다. 이를 통해 복잡한 마스크에서도 정확한 GG 패턴을 생성할 수 있다.
생성된 합성 이미지를 활용하여 기존 픽셀 단위 및 슬라이드 단위 전립선암 등급 분류 모델의 성능을 향상시켰다. 특히 드문 GG5 등급 분류 성능이 크게 개선되었다. 이는 제안된 생성 모델이 데이터가 부족한 경우에도 암 등급 분류 성능을 높일 수 있음을 보여준다.
To Another Language
from source content
arxiv.org
Głębsze pytania