본 논문은 대동맥 혈관 분할을 위해 Segment Anything Model (SAM)을 개선한 VesselSAM을 제안합니다. VesselSAM은 Atrous Attention과 Low-Rank Adaptation (LoRA)을 통합한 AtrousLoRA 모듈을 도입하여 성능을 향상시켰습니다. Atrous Attention은 다중 스케일 문맥 정보를 포착하여 세밀한 국소 정보와 광범위한 전역적 맥락을 모두 보존합니다. LoRA는 고정된 SAM 이미지 인코더의 효율적인 미세 조정을 가능하게 하여 학습 가능한 매개변수의 수를 줄이고 계산 효율성을 높입니다. Aortic Vessel Tree (AVT) 및 Type-B Aortic Dissection (TBAD) 데이터셋을 사용한 평가 결과, VesselSAM은 최첨단 성능을 달성하여 다중 센터 데이터셋에서 93% 이상의 DSC 점수를 기록했습니다. 이는 기존 대규모 모델에 비해 계산 오버헤드를 크게 줄이면서 높은 분할 정확도를 제공함을 의미합니다.
시사점, 한계점
•
시사점:
◦
SAM을 기반으로 한 대동맥 혈관 분할 모델 VesselSAM 제안 및 우수한 성능 검증.
