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.

Externally Validated Multi-Task Learning via Consistency Regularization Using Differentiable BI-RADS Features for Breast Ultrasound Tumor Segmentation

Created by
  • Haebom
Category
Empty

저자

Jingru Zhang, Saed Moradi, Ashirbani Saha

개요

본 논문은 유방 초음파 기반 종양 분할에서 다중 작업 학습 시 발생하는 파괴적인 작업 간섭을 완화하기 위한 새로운 일관성 정규화 접근 방식을 제안합니다. 이 접근 방식은 분할과 분류 작업 간의 간섭을 줄이기 위해 미분 가능한 BI-RADS 기반 형태학적 특징을 사용합니다. BrEaST 데이터셋으로 모델을 학습하고, UDIAT, BUSI, BUS-UCLM 데이터셋을 통해 외부 검증을 수행하여 제안하는 방식의 일반화 성능 향상을 검증했습니다.

시사점, 한계점

•
시사점:
◦
다중 작업 학습에서 일반화 성능 향상을 위한 새로운 일관성 정규화 접근 방식 제시.
◦
유방 초음파 기반 종양 분할에서 state-of-the-art 성능 달성.
◦
다양한 외부 데이터셋을 통한 엄격한 검증을 통해 방법론의 효과 입증.
◦
BI-RADS 기반 형태학적 특징 활용하여 의학적 지식과의 연계성 강화.
•
한계점:
◦
특정 유방 초음파 데이터셋에 대한 의존성.
◦
다른 종류의 영상 데이터 또는 작업에 대한 일반화 가능성 추가 연구 필요.
◦
모델의 복잡성 및 계산 비용에 대한 분석 부족.
👍
Made with Slashpage