Основні поняття
제한된 데이터 환경에서 감독 대조 학습 방법을 개선하여 유방암 조직병리 이미지 분류 정확도를 높였다.
Анотація
이 연구는 유방암 조직병리 이미지 분류 문제에 대해 접근하였다. 딥 신경망은 의료 영상 처리 분야에서 뛰어난 성과를 보이지만, 데이터가 제한적인 경우 과적합 문제에 취약하다. 이 연구에서는 이 문제를 해결하기 위해 감독 대조 학습 방법을 개선하였다.
구체적으로 다음과 같은 내용을 다루었다:
자기 지도 학습 기법인 SimCLR을 활용하여 초기 모델 가중치를 설정하였다.
감독 대조 학습 방법을 두 단계로 구성하여 잘못된 양성 쌍의 영향을 줄였다.
조직병리 데이터에 특화된 데이터 증강 기법을 적용하여 모델의 일반화 성능을 높였다.
보조 작업을 통해 H&E 염색 변화에 강건한 특징을 학습하도록 하였다.
실험 결과, 제안 방법은 기존 방법 대비 이미지 수준 정확도 1.45%, 환자 수준 정확도 1.42% 향상을 보였다. 또한 BACH 데이터셋에서도 90% 이상의 높은 정확도를 달성하여 일반화 성능이 우수함을 입증하였다.
Статистика
제안 방법은 기존 방법 대비 이미지 수준 정확도 1.45%, 환자 수준 정확도 1.42% 향상을 보였다.
BACH 데이터셋에서 90% 이상의 높은 정확도를 달성하였다.
Цитати
"딥 신경망은 의료 영상 처리 분야에서 뛰어난 성과를 보이지만, 데이터가 제한적인 경우 과적합 문제에 취약하다."
"자기 지도 학습 기법인 SimCLR을 활용하여 초기 모델 가중치를 설정하였다."
"감독 대조 학습 방법을 두 단계로 구성하여 잘못된 양성 쌍의 영향을 줄였다."