Attention-gated U-Net model for semantic segmentation of brain tumors and feature extraction for survival prognosis

Created by

Haebom

저자

Rut Pate, Snehal Rajput, Mehul S. Raval, Rupal A. Kapdi, Mohendra Roy

💡 개요

본 연구는 뇌종양의 공격성 및 예후 예측의 어려움을 해결하기 위해 Attention-Gated R2U-Net 기반의 Triplanar (2.5D) 모델을 제안하여 뇌종양 분할 성능을 개선합니다. 제안된 모델은 잔차, 순환, 삼평면 구조를 통합하여 계산 효율성을 유지하면서 특징 표현과 분할 정확도를 향상시킵니다. 이를 통해 뇌종양 전체(WT) 분할에서 0.900의 Dice 유사성 점수(DSC)를 달성하며, 64개의 특징을 추출하여 생존일 예측에 활용하여 45.71%의 정확도를 얻습니다.

🔑 시사점 및 한계

•

뇌종양 분할의 정확도를 높여 치료 계획 수립에 기여할 수 있습니다.

•

뇌종양 특징 추출을 통해 환자의 생존일 예측 정확도를 향상시킬 잠재력을 보여줍니다.

•

생존일 예측 정확도(45.71%)가 아직 개선의 여지가 있으며, 추가적인 특징 추출 및 모델 최적화 연구가 필요합니다.

PDF 보기

Made with Slashpage