MOST: MR reconstruction Optimization for multiple downStream Tasks via continual learning
Created by
Haebom
저자
Hwihun Jeong, Se Young Chun, Jongho Lee
개요
본 논문은 심층 학습 기반 자기 공명 영상(MR) 재구성 방법이 고품질 영상 생성에 집중하는 경향이 있지만, 재구성된 영상을 활용하는 후속 작업(예: 분할)에 미치는 영향은 종종 간과한다는 점을 지적합니다. 따로 학습된 재구성 네트워크와 후속 작업 네트워크를 연결하는 방식은 오류 전파 및 학습 데이터셋 간의 도메인 차이로 인해 성능 저하를 초래하는 것으로 나타났습니다. 이 문제를 해결하기 위해 단일 후속 작업에 대한 후속 작업 지향적 재구성 최적화가 제안되었으며, 본 연구는 지속적 학습을 통해 순차적으로 도입되는 여러 후속 작업을 처리하도록 이 최적화를 확장합니다. 제안된 방법은 재전송 기반 지속적 학습 및 영상 유도 손실 기술을 통합하여 치명적인 망각을 극복합니다. 비교 실험을 통해 제안된 방법이 미세 조정 없는 재구성 네트워크, 단순 미세 조정을 적용한 재구성 네트워크 및 기존 지속적 학습 방법보다 우수한 성능을 보임을 입증했습니다. 소스 코드는 https://github.com/SNU-LIST/MOST 에서 이용 가능합니다.
