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.

Head and Neck Tumor Segmentation of MRI from Pre- and Mid-radiotherapy with Pre-training, Data Augmentation and Dual Flow UNet

Created by
  • Haebom

저자

Litingyu Wang, Wenjun Liao, Shichuan Zhang, Guotai Wang

개요

본 논문은 방사선 치료 전(pre-RT)과 중간(mid-RT) 단계의 두경부 종양 및 전이 림프절의 자동 분할을 위한 다양한 전략을 연구했습니다. pre-RT 이미지 분할에는 완전 지도 학습과 사전 훈련된 가중치 및 MixUp 데이터 증강 기법을 활용한 방법을 사용했습니다. mid-RT 이미지 분할에는 mid-RT 이미지와 등록된 pre-RT 이미지 및 레이블에 대해 별도의 인코더를 갖춘 새로운 계산 효율적인 네트워크 아키텍처를 제시했습니다. forward propagation 동안 pre-RT 이미지 및 레이블 정보를 mid-RT 인코더 분기에 통합했습니다. 최종적으로 pre-RT 이미지에 대해 82.38%, mid-RT 이미지에 대해 72.53%의 Dice Similarity Coefficient (DSC)를 달성했습니다. 코드는 깃허브에서 공개되었습니다.

시사점, 한계점

•
시사점:
◦
두경부 종양 및 전이 림프절의 자동 분할을 위한 효과적인 방법 제시.
◦
pre-RT 및 mid-RT 이미지 분할을 위한 개선된 네트워크 아키텍처 제안.
◦
MixUp 데이터 증강 및 사전 훈련된 가중치 활용을 통한 성능 향상 확인.
◦
공개된 코드를 통해 재현성 확보 및 연구 확장 가능성 제공.
•
한계점:
◦
mid-RT 이미지 분할의 정확도가 pre-RT 이미지 분할에 비해 다소 낮음 (72.53% vs 82.38%).
◦
다양한 종류의 두경부 종양 및 전이 림프절에 대한 일반화 성능 평가 부족.
◦
대규모 데이터셋을 사용한 검증 필요.
◦
임상적 유용성에 대한 추가적인 연구 필요.
👍
Made with Slashpage