본 논문은 의료 영상 분할, 특히 뇌종양 분석을 위한 효율적인 모델인 PSO-UNet을 제시합니다. 다양한 형태의 종양과 다중 모드 MRI 데이터셋의 복잡성을 고려하여, PSO(Particle Swarm Optimization) 알고리즘을 U-Net 아키텍처에 통합하여 하이퍼파라미터를 동적으로 최적화합니다. 기존의 수동 조정이나 다른 최적화 방법과 달리, PSO는 필터 개수, 커널 크기, 학습률 등을 효과적으로 최적화하여 BraTS 2021 및 Figshare 데이터셋에서 각각 0.9578, 0.9523의 Dice Similarity Coefficient (DSC)와 0.9194, 0.9097의 Intersection over Union (IoU) 점수를 달성하며 성능을 크게 향상시켰습니다. 또한, 780만 개의 파라미터만 사용하고 약 906초의 실행 시간으로 기존 U-Net 기반 프레임워크보다 계산 복잡도를 크게 줄였습니다. 이는 다양한 MRI 모드와 종양 분류에 대한 PSO-UNet의 뛰어난 일반화 성능을 보여주며, 기존의 하이퍼파라미터 튜닝 방법에 비해 명확한 장점을 가지고 있음을 시사합니다.
