본 논문은 의료 영상 분할을 위한 사전 훈련된 분할 모델의 불확실성 문제를 해결하기 위해 SeqSAM을 제안합니다. 기존의 Multiple Choice Learning은 제한된 출력 개수와 우세한 예측 헤드 문제로 인해 임상적 관련성이 떨어지는 마스크를 생성할 수 있지만, SeqSAM은 순차적인 RNN 기반 접근 방식과 이분 매칭 손실 함수를 사용하여 임의의 개수의 마스크를 생성하고 각 마스크의 임상적 관련성을 보장합니다. 두 개의 공개 데이터셋에서 기존 방법보다 향상된 성능을 보였으며, 코드는 깃허브에 공개되어 있습니다.
