Revisiting Medical Image Retrieval via Knowledge Consolidation
Created by
Haebom
Category
Empty
저자
Yang Nan, Huichi Zhou, Xiaodan Xing, Giorgos Papanastasiou, Lei Zhu, Zhifan Gao, Alejandro F Fangi, Guang Yang
개요
본 논문은 인공지능과 디지털 의학이 의료 시스템에 확산됨에 따라 윤리적이고 안전하며 효과적인 구현을 위한 강력한 거버넌스 프레임워크가 필수적임을 강조합니다. 특히 의료 영상 검색은 임상 데이터 관리의 중요한 부분으로 의사결정 및 환자 정보 보호에 중요한 역할을 합니다. 기존 방법들은 병합된 임베딩으로부터 대표적인 해시 코드를 생성하지 못하는 병목 현상 기능을 사용하여 해시 함수를 학습하는데, 이러한 문제를 해결하기 위해 본 논문에서는 계층적 특징과 최적화 함수의 지식을 통합하는 새로운 방법을 제안합니다. Depth-aware Representation Fusion (DaRF)와 Structure-aware Contrastive Hashing (SCH)를 도입하여 지식 통합을 공식화합니다. DaRF는 얕고 깊은 표현을 혼합된 특징으로 적응적으로 통합하고, SCH는 이미지 지문을 통합하여 양성/음성 쌍의 적응성을 향상시킵니다. 이러한 혼합된 특징은 OOD 감지 및 콘텐츠 기반 추천을 더욱 용이하게 하여 안전한 AI 기반 의료 환경에 기여합니다. 또한 콘텐츠 기반 순위 지정을 제시하여 검색 결과의 강력성과 재현성을 향상시킵니다. 실험 결과, 제안된 방법이 OOD 샘플을 효과적으로 인식하고 기존 방법보다 의료 영상 검색 성능이 유의미하게 향상됨(p<0.05)을 보여줍니다. 특히 해부학적 방사선학 데이터셋에서 평균 평균 정밀도가 5.6-38.9% 향상되었습니다.
