의료 영상 분할을 위한 간단한 베이스라인 및 가이드라인: SegBook - 다양한 데이터셋 및 작업에 대한 전이 학습 평가
전신 CT 이미지로 사전 훈련된 모델(STU-Net)을 사용하여 다양한 의료 영상 분할 작업(87개의 공개 데이터 세트 사용)에 대한 전이 학습의 효과를 평가하고 데이터 세트 크기, 양식 및 대상과 같은 요소가 전이 학습에 미치는 영향을 분석합니다.
도메인을 넘나드는 무한한 가능성: 의료 영상 분할에서 도메인 일반화를 위한 적응형 특징 및 교차 주의 기반의 새로운 패러다임
본 논문에서는 의료 영상 분할에서 도메인 일반화 성능을 향상시키기 위해, 기존 데이터의 분포를 벗어나는 새로운 스타일 증강 기법인 AFB(Adaptive Feature Blending)와 도메인 불변 표현 학습을 위한 교차 주의 기반 정규화 모듈인 DCAR(Dual Cross-Attention Regularization)을 제안합니다.
자동 병변 분할을 통한 위 출혈의 진단 정확도 향상: 딥 DuS-KFCM 접근 방식 (Deep DuS-KFCM 접근 방식을 이용한 내시경 영상에서의 위 출혈 병변 자동 분할 및 검출)
본 연구는 Deep DuS-KFCM이라는 딥러닝 기반 퍼지 클러스터링 알고리즘을 사용하여 내시경 영상에서 위 출혈 병변을 자동으로 검출하고 분할하는 새로운 방법을 제시하여, 기존 방법보다 우수한 정확도와 효율성을 보여주면서 위 출혈 진단의 정확성을 높입니다.
의료 영상 분할에서 딥러닝과 확산 모델을 이용한 경계 정확도 향상
본 논문에서는 의료 영상 분할의 중요성과 현재 딥러닝 접근 방식의 한계, 특히 경계 부분의 부정확성을 지적하고, 이러한 문제를 해결하기 위해 확산 모델 기반의 새로운 네트워크인 BIEDSNet을 제안합니다. BIEDSNet은 경계 특징 융합 모듈과 주의 기반 디노이징 잔차 블록을 통해 경계 정보를 효과적으로 추출하고 활용하여, COVID-19 이미지 데이터셋에서 기존 방법들보다 우수한 분할 성능을 달성했습니다.
의료 초음파 이미지 분할을 위한 윤곽 기반 확률 모델, CP-UNet
CP-UNet은 초음파 이미지에서 병변 경계의 불확실성을 포착하여 분할 정확도를 향상시키는, 윤곽 기반 확률론적 모델링을 활용한 새로운 딥러닝 기반 의료 초음파 이미지 분할 네트워크입니다.
2D 수술 중 초음파 뇌종양 자동 분할: MRI 종양 주석 활용
수술 중 초음파(iUS) 뇌종양 자동 분할을 위한 딥러닝 모델 학습에 있어, 라벨링된 iUS 데이터 부족 문제를 해결하기 위해 라벨링된 수술 전 MRI 영상 데이터를 활용할 수 있다.
대화형 의료 영상 분할: 벤치마크 데이터셋 IMed-361M 및 기준 모델 소개
본 논문에서는 대화형 의료 영상 분할(IMIS) 작업을 위한 대규모의 다양하고 고품질 벤치마크 데이터셋인 IMed-361M을 소개하고, 이를 기반으로 개발된 IMIS 기준 모델의 성능을 평가합니다.
유방 초음파 이미지의 종양 분할을 위한 U-Net 인코더-디코더 아키텍처 수정
본 논문에서는 저수준 및 고수준 특징을 모두 활용하는 새로운 Co-Block을 설계하고, Res-Net 및 MultiResUNet 블록을 통합하여 U-Net 기반 인코더-디코더 아키텍처를 수정하여 유방 초음파 이미지에서 종양 분할의 정확도를 향상시키는 방법을 제안합니다.
비선형 모델링을 이용한 의료 영상 분할을 재정의하는 KAN-Mamba FusionNet
KAN-Mamba FusionNet이라는 새로운 신경망 아키텍처는 기존 방법보다 정확도와 견고성이 뛰어나면서도 계산 효율성을 유지하면서 의료 영상 분할 작업을 향상시킵니다.
요통 환자의 요추 MRI 스캔에서 척추 분절을 위한 SpineSegDiff: T1w 및 T2 강조 이미지의 강력한 확산 기반 의미론적 분할 프레임워크
SpineSegDiff는 T1w 및 T2 강조 MRI 스캔에서 척추, 추간판 및 척추관을 포함한 요추의 정확하고 강력한 분할을 위해 특별히 설계된 혁신적인 확산 기반 모델입니다.
