Основные понятия
본 논문에서는 딥 러닝 모델이 핵의 형태 및 구성에 초점을 맞추도록 하여 히스토병리학 이미지에서 암 진단을 위한 도메인 외 일반화를 개선하는 새로운 훈련 방법을 제안합니다.
Аннотация
핵 마스크를 이용한 도메인 외 일반화 개선: 히스토병리학에서 암 분류 심층 분석
본 연구 논문에서는 컴퓨터 히스토병리학 분야에서 딥 러닝 모델의 도메인 외 일반화 능력을 향상시키는 새로운 방법론을 제시합니다. 저자들은 핵의 형태 및 구성에 초점을 맞추는 것이 암 진단의 핵심 요소이며, 이러한 특징들이 도메인 불변성을 지니고 있어 다양한 데이터셋에 대한 모델의 일반화 능력을 향상시킬 수 있다는 가설을 세웠습니다.
병원 간 또는 병원 내에서 발생하는 데이터 변화에도 불구하고 높은 정확도를 유지하는 암 진단 모델 개발
핵의 형태 및 구성 정보를 활용하여 도메인 불변성을 지닌 딥 러닝 모델 훈련
핵 분할 마스크를 활용한 딥 러닝 모델 훈련 방법 제안
훈련 과정에서 원본 이미지와 핵 분할 마스크를 함께 입력하여 모델이 핵의 형태 및 구성 정보에 집중하도록 유도
ℓ2 정규화 기법을 통해 원본 이미지와 마스크의 표현 간 거리를 최소화하여 모델의 일반화 능력 향상
ResNet-50 모델을 기반으로 하여 ImageNet 데이터셋으로 사전 훈련된 모델 사용
CAMELYON17 데이터셋을 훈련 데이터셋으로 사용하고, BCSS 및 Ocelot 데이터셋을 외부 테스트 데이터셋으로 사용