TomoGraphView: 3D Medical Image Classification with Omnidirectional Slice Representations and Graph Neural Networks
Created by
Haebom
Category
Empty
저자
Johannes Kiechle, Stefan M. Fischer, Daniel M. Lang, Cosmin I. Bercea, Matthew J. Nyflot, Lina Felsner, Julia A. Schnabel, Jan C. Peeken
개요
의학 영상 검사 건수의 증가에 따라 종양 특성화와 같은 후속 작업을 용이하게 하고, 의료진의 업무 부담을 덜기 위해 포괄적인 영상 특징을 추출하는 자동화된 방법의 개발이 필요하다. 3D 의료 영상 분류는 복잡한 공간 관계 및 부피 데이터에 내재된 장거리 의존성으로 인해 여전히 어려운 과제이다. 본 논문에서는 2D 비전 기반 모델을 3D 볼륨에 적용하는 기존 접근 방식의 한계를 극복하기 위해, 전방향 볼륨 슬라이싱과 구형 그래프 기반 특징 집계를 통합하는 새로운 프레임워크인 TomoGraphView를 제안한다.
시사점, 한계점
•
2D 비전 기반 모델을 3D 의료 영상 분석에 활용하는 새로운 프레임워크 제시.
•
전방향 볼륨 슬라이싱 및 구형 그래프 기반 특징 집계를 통해 기존 방식의 한계점 극복 시도.
•
오픈 소스 코드 및 사용자 친화적인 라이브러리 제공.
•
3D 대규모 다중 모드 데이터셋 부재 및 3D 의료 영상 기반 모델 개발의 한계.
•
표준화된 시야 평면에 정렬되지 않은 대상 구조의 공간적 범위를 적절하게 포착하지 못할 수 있는 슬라이스 기반 분해 방식의 한계.
