본 논문은 컴퓨터 단층촬영(CT) 연구에서 병변의 위치 확인, 분류 및 크기 측정이라는 지루한 작업을 수행하는 방사선과 의사들을 돕기 위해, 3차원 병변 탐지 및 신체 부위 태깅을 수행하는 자기 학습 파이프라인을 제안합니다. 기존의 접근 방식이 DeepLesion 데이터셋의 전체 3차원 정보와 클래스 불균형 문제를 해결하지 못한 점을 고려하여, 30%의 DeepLesion 데이터셋을 사용하여 VFNet 모델을 훈련시켰습니다. 2차원 병변 탐지 및 태깅 결과를 3차원으로 확장하고, 추출된 3차원 병변 제안을 기본 훈련 데이터에 통합하여 여러 라운드에 걸쳐 모델을 재훈련하는 자기 학습 과정을 통해 3차원 병변 탐지 및 태깅을 수행합니다. 실험 결과, 제한된 데이터셋을 사용했음에도 불구하고 기존 전체 DeepLesion 데이터셋을 사용한 방법과 유사한 평균 민감도(46.9% vs 46.8%)를 달성하였으며, 3차원 병변 탐지 및 신체 부위 태깅을 동시에 수행한 최초의 연구라고 주장합니다.
