H-CNN-ViT: A Hierarchical Gated Attention Multi-Branch Model for Bladder Cancer Recurrence Prediction
Created by
Haebom
Category
Empty
저자
Xueyang Li, Zongren Wang, Yuliang Zhang, Zixuan Pan, Yu-Jen Chen, Nishchal Sapkota, Gelei Xu, Danny Z. Chen, Yiyu Shi
개요
방광암은 재발률이 높은 질병으로, 수술 후 정확한 모니터링이 필요하다. 본 연구에서는 방광암 재발 예측을 위한 다중 시퀀스 MRI 데이터를 큐레이션하여 연구 벤치마크를 구축하고, H-CNN-ViT라는 새로운 계층적 게이트 어텐션 멀티 브랜치 모델을 제안한다. 이 모델은 CNN과 ViT를 결합하여 전역 및 지역적 특징을 선택적으로 가중치 부여하며, 각 영상 채널의 고유한 특성을 최적으로 통합한다. 제안된 모델은 자체 구축한 데이터셋에서 AUC 78.6%를 달성하여 기존 모델을 능가하는 성능을 보였다.
시사점, 한계점
•
시사점:
◦
방광암 재발 예측을 위한 큐레이션된 MRI 데이터셋을 공개하여 연구 발전에 기여.
◦
CNN과 ViT를 결합한 새로운 딥러닝 모델 (H-CNN-ViT)을 제안하여 높은 성능을 달성.
◦
다중 모달리티 MRI 데이터를 효과적으로 활용하여 정확한 재발 예측 가능성을 보여줌.
◦
제안 모델의 코드 공개로 연구 재현 및 확장에 기여.
•
한계점:
◦
제안 모델의 일반화 성능 검증을 위한 추가 데이터셋 (예: 외부 데이터)에서의 평가 필요.
◦
모델의 임상 적용 가능성을 높이기 위한 추가적인 연구 (예: 임상적 요인 통합) 필요.
◦
AUC 78.6%는 아직 개선의 여지가 있으며, 더 높은 성능을 위한 추가적인 연구 필요.
