이 논문은 세그먼트 어닝 모델(SAM)을 모호한 의료 영상 분할에 적용하기 위한 새로운 방법인 불확실성 인식 어댑터(UA-SAM)를 제안한다.
의료 영상에는 많은 장기와 병변의 경계가 모호하여 다양한 분할 결과가 가능한 특징이 있다. 기존 SAM 모델은 이러한 불확실성을 고려하지 않아 실제 임상에서 오진을 유발할 수 있다.
UA-SAM은 확률적 모델을 활용하여 잠재 공간에서 불확실성 샘플을 생성하고, 이를 SAM 모델과 상호작용시켜 다양한 가능한 분할 결과를 출력한다.
이를 위해 UA-SAM은 조건 기반 상호작용 모듈(CMSM)을 제안하여 불확실성 샘플과 어댑터 간 효과적인 상호작용을 달성한다.
UA-SAM은 LIDC-IDRI 및 REFUGE2 데이터셋에서 기존 방법 대비 우수한 분할 성능을 보였으며, 특히 불확실성이 높은 의료 영상에서 다양하고 현실적인 분할 결과를 생성할 수 있음을 입증했다.
To Another Language
from source content
arxiv.org
Djupare frågor