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.

RadiomicsRetrieval: A Customizable Framework for Medical Image Retrieval Using Radiomics Features

Created by
  • Haebom

저자

Inye Na, Nejung Rue, Jiwon Chung, Hyunjin Park

개요

본 논문은 3차원 의료 영상 검색 프레임워크인 RadiomicsRetrieval을 제안합니다. 기존의 2차원 방식과 달리, 종양 부위를 기준으로 수동으로 추출한 radiomics 기술자와 심층 학습 기반 임베딩을 결합하여 3차원 데이터를 활용합니다. 프롬프트 가능한 분할 모델(예: SAM)을 사용하여 종양 특이적 영상 임베딩을 추출하고, 대조 학습을 통해 같은 종양에서 추출된 radiomics 특징과 정렬합니다. 해부학적 위치 임베딩(APE)을 추가하여 형태, 위치 또는 부분적 특징 집합을 기반으로 유연한 질의를 가능하게 합니다. 폐 CT 및 뇌 MRI 공개 데이터셋에 대한 실험 결과, radiomics 특징이 검색 특이성을 크게 향상시키고, APE가 위치 기반 검색에 필수적인 전역 해부학적 맥락을 제공함을 보여줍니다. 최소한의 사용자 프롬프트(예: 단일 점)만으로도 작동하여 다양한 임상 시나리오를 지원합니다. 영상 임베딩 또는 선택된 radiomics 속성을 사용하여 질의할 수 있는 기능은 진단, 치료 계획 및 대규모 의료 영상 저장소에 대한 연구에 도움이 될 수 있습니다. 코드는 https://github.com/nainye/RadiomicsRetrieval 에서 이용 가능합니다.

시사점, 한계점

•
시사점:
◦
3차원 의료 영상을 활용하여 기존 2차원 방식보다 풍부한 공간 정보를 활용한 정확한 의료 영상 검색 가능
◦
radiomics 특징과 심층 학습 기반 임베딩 결합을 통한 검색 특이성 향상
◦
최소한의 사용자 프롬프트(단일 점)로 효율적인 종양 분할 및 검색 지원
◦
형태, 위치, 부분적 특징 집합 등 다양한 기준을 활용한 유연한 질의 가능
◦
진단, 치료 계획, 대규모 의료 영상 연구에 활용 가능성 제시
◦
공개된 코드를 통해 접근성 향상
•
한계점:
◦
제안된 모델의 성능 평가에 사용된 데이터셋의 일반화 가능성에 대한 추가 검증 필요
◦
다양한 종류의 의료 영상 및 질병에 대한 적용 가능성 및 성능 검증 필요
◦
프롬프트 기반 분할 모델의 정확도에 의존적이며, 분할 오류가 검색 결과에 영향을 미칠 수 있음
◦
실제 임상 환경에서의 효용성 및 사용 편의성에 대한 추가 연구 필요
👍
Made with Slashpage