의료 이미징에서 약한 지도 학습을 활용하여 뇌종양 분할을 위한 새로운 방법 소개
생물물리학 기반 정규화를 통해 뇌종양 분할의 정확성과 강건성을 향상시킬 수 있다.
이 연구는 관심 영역 탐지 알고리즘, 주의 메커니즘, 에너지 기반 불확실성 예측을 활용하여 뇌종양 분할 성능을 향상시켰다.
사용자가 관심 영역에 마커를 그리면 다단계 FLIM(MS-FLIM) 방법을 통해 첫 번째 합성곱 층의 필터를 추정하고 선택하여 뇌종양 분할 네트워크를 구축할 수 있다.
제안된 LATUP-Net 모델은 계산 요구사항을 크게 줄이면서도 높은 분할 성능을 유지하는 것을 목표로 합니다. 병렬 컨볼루션을 통해 다중 스케일 정보를 캡처하고 주의 메커니즘을 통해 선택적 특징 재조정을 수행합니다.
세그먼트 어니씽 모델(SAM)은 다양한 프롬프트 전략을 통해 뇌종양 분할에서 우수한 성능을 보여줌.
SEDNet은 계산 복잡성을 최소화하면서도 뛰어난 종양 분할 성능을 달성하는 얕은 인코더-디코더 네트워크이다.