[공지사항]을 빙자한 안부와 근황 
Show more

Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Site-Level Fine-Tuning with Progressive Layer Freezing: Towards Robust Prediction of Bronchopulmonary Dysplasia from Day-1 Chest Radiographs in Extremely Preterm Infants

Created by
  • Haebom

저자

Sybelle Goedicke-Fritz (Department of General Pediatrics and Neonatology, Saarland University, Campus Homburg, Homburg/Saar, Germany), Michelle Bous (Department of General Pediatrics and Neonatology, Saarland University, Campus Homburg, Homburg/Saar, Germany), Annika Engel (Chair for Clinical Bioinformatics, Saarland Informatics Campus, Saarland University, Saarbrucken, Germany), Matthias Flotho (Chair for Clinical Bioinformatics, Saarland Informatics Campus, Saarland University, Saarbrucken, Germany, Helmholtz Institute for Pharmaceutical Research Saarland), Pascal Hirsch (Chair for Clinical Bioinformatics, Saarland Informatics Campus, Saarland University, Saarbrucken, Germany), Hannah Wittig (Department of General Pediatrics and Neonatology, Saarland University, Campus Homburg, Homburg/Saar, Germany), Dino Milanovic (Chair for Clinical Bioinformatics, Saarland Informatics Campus, Saarland University, Saarbrucken, Germany), Dominik Mohr (Department of General Pediatrics and Neonatology, Saarland University, Campus Homburg, Homburg/Saar, Germany), Mathias Kaspar (Digital Medicine, University Hospital of Augsburg, Augsburg, Germany), Sogand Nemat (Department of Radiology, and Interventional Radiology, University Hospital of Saarland, Homburg, Germany), Dorothea Kerner (Department of Radiology, and Interventional Radiology, University Hospital of Saarland, Homburg, Germany), Arno Bucker (Department of Radiology, and Interventional Radiology, University Hospital of Saarland, Homburg, Germany), Andreas Keller (Chair for Clinical Bioinformatics, Saarland Informatics Campus, Saarland University, Saarbrucken, Germany, Helmholtz Institute for Pharmaceutical Research Saarland, Pharma Science Hub), Sascha Meyer (Clinical Centre Karlsruhe, Franz-Lust Clinic for Paediatrics, Karlsruhe, Germany), Michael Zemlin (Department of General Pediatrics and Neonatology, Saarland University, Campus Homburg, Homburg/Saar, Germany), Philipp Flotho (Chair for Clinical Bioinformatics, Saarland Informatics Campus, Saarland University, Saarbrucken, Germany, Helmholtz Institute for Pharmaceutical Research Saarland)

개요

극저체중아의 35%에서 발생하는 만성 폐질환인 기관지폐 이형성증(BPD)의 조기 예후 및 결과 예측을 위한 딥러닝 기반 접근법을 제시하는 논문입니다. 출생 후 24시간 이내 촬영된 극저체중아(재태 기간 ≤32주, 체중 401-999g) 163명의 흉부 X선 사진을 사용하여 성인 흉부 X선 사진으로 사전 훈련된 ResNet-50 모델을 미세 조정했습니다. 과적합을 방지하기 위해 점진적 계층 동결과 차별적 학습률을 사용하고, CutMix 증강 및 선형 프로빙을 적용했습니다. 중등도/중증 BPD 결과 예측에서 최고 성능 모델은 AUROC 0.78 ± 0.10, 균형 정확도 0.69 ± 0.10, F1 점수 0.67 ± 0.11을 달성했습니다. 영역 특정 사전 훈련이 ImageNet 초기화보다 성능이 우수함을 확인했습니다 (p = 0.031). 일상적인 IRDS 등급은 예후적 가치가 제한적이었으며 (AUROC 0.57 ± 0.11), 학습된 마커의 필요성을 확인했습니다. 점진적 동결 및 선형 프로빙을 통해 계산적으로 효율적인 방법으로 현장 수준 구현 및 향후 연합 학습 배포에 적합합니다.

시사점, 한계점

•
시사점:
◦
출생 후 24시간 이내 촬영된 흉부 X선 사진을 이용하여 BPD 결과를 정확하게 예측할 수 있는 딥러닝 모델 개발.
◦
영역 특정 사전 훈련의 중요성을 확인.
◦
점진적 계층 동결 및 선형 프로빙을 통해 계산적으로 효율적인 모델 구현.
◦
현장 수준 구현 및 연합 학습 배포 가능성 제시.
◦
기존의 IRDS 등급보다 정확한 BPD 예측 가능.
•
한계점:
◦
상대적으로 작은 규모의 데이터셋 사용 (163명).
◦
모델의 일반화 성능에 대한 추가적인 검증 필요.
◦
AUROC, balanced accuracy, F1-score 모두 1에 도달하지 못하여 완벽한 예측은 아님.
◦
다양한 인종, 민족 그룹에 대한 일반화 가능성에 대한 추가 연구 필요.
👍
Made with Slashpage