Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Integrating AI for Human-Centric Breast Cancer Diagnostics: A Multi-Scale and Multi-View Swin Transformer Framework

Created by
  • Haebom
Category
Empty

저자

Farnoush Bayatmakou, Reza Taleei, Milad Amir Toutounchian, Arash Mohammadi

개요

본 논문은 인공지능(AI) 기반 컴퓨터 지원 진단(CAD) 시스템을 유방암 진단에 통합하는 것을 다룬다. 특히, 다중 스케일 및 다중 뷰 Swin Transformer 기반의 하이브리드 프레임워크인 MSMV-Swin을 제안한다. MSMV-Swin은 종양에 대한 상세한 어노테이션 의존성과 뷰 누락에 대한 취약성이라는 기존 CAD 시스템의 한계를 극복하기 위해 고안되었다. Segment Anything Model (SAM)을 활용하여 유방엽을 분리하고 배경 잡음을 줄이며, 다중 스케일 접근 방식으로 종양 특이적 영역과 주변 조직의 공간적 특징을 모두 포착한다. 또한, 하이브리드 융합 구조를 통해 단일 뷰만 이용 가능한 상황에서도 강건성을 유지한다. 이는 방사선 전문의의 판독 방식과 일치하여 인간-AI 상호작용 및 신뢰도를 향상시키는 것을 목표로 한다.

시사점, 한계점

•
시사점:
◦
유방암 진단의 정확도와 강건성을 향상시키는 새로운 AI 기반 프레임워크 MSMV-Swin 제안.
◦
SAM을 활용하여 배경 잡음 감소 및 효율적인 특징 추출 가능.
◦
다중 스케일 및 다중 뷰 접근 방식으로 국소 및 문맥 정보 모두 고려.
◦
하이브리드 융합 구조를 통해 뷰 누락 문제 해결.
◦
방사선 전문의의 판독 방식과의 일치를 통해 인간-AI 협업 증진 및 신뢰도 향상.
•
한계점:
◦
제안된 모델의 성능 평가를 위한 실제 임상 데이터의 규모 및 다양성이 논문에서 구체적으로 제시되지 않음.
◦
다른 최첨단 AI 기반 유방암 진단 모델과의 비교 분석이 부족함.
◦
SAM의 정확도에 MSMV-Swin의 성능이 의존적일 수 있음.
◦
임상 환경에서의 실제 적용 가능성 및 일반화 성능에 대한 추가 연구 필요.
👍
Made with Slashpage