Foundation Models in Medical Imaging -- A Review and Outlook
Created by
Haebom
저자
Vivien van Veldhuizen, Vanessa Botha, Chunyao Lu, Melis Erdal Cesur, Kevin Groot Lipman, Edwin D. de Jong, Hugo Horlings, Clarisa I. Sanchez, Cees G. M. Snoek, Lodewyk Wessels, Ritse Mann, Eric Marcus, Jonas Teuwen
개요
본 논문은 150편 이상의 연구를 바탕으로, 대규모 비표지 데이터 학습을 통해 의료 이미지 분석 방식을 변화시키는 기초 모델(Foundation Models, FMs)의 병리학, 방사선학, 안과학 분야 적용 현황을 검토합니다. FM 파이프라인의 핵심 구성 요소(모델 아키텍처, 자기 지도 학습 방법, 하위 작업 적응 전략 등)를 설명하고, 각 영상 분야에서 FM의 활용 방식과 설계 선택의 차이점을 비교 분석합니다. 마지막으로, 향후 연구를 위한 주요 과제와 미해결 문제를 논의합니다.
시사점, 한계점
•
시사점:
◦
기초 모델(FM)이 의료 영상 분석 분야에서 효율적인 비지도 학습 및 적응 학습을 가능하게 함을 보여줍니다.
◦
병리학, 방사선학, 안과학 등 다양한 의료 영상 분야에서 FM 적용의 현황과 사례를 종합적으로 제시합니다.
◦
FM 파이프라인의 핵심 구성 요소에 대한 이해를 돕고, 다양한 설계 선택의 장단점을 비교 분석합니다.
◦
향후 연구 방향을 제시하여 FM 기반 의료 영상 분석 기술 발전에 기여합니다.
•
한계점:
◦
본 논문은 기존 연구들을 검토한 종설이므로, 새로운 연구 결과를 포함하지 않습니다.
◦
FM의 임상적 유용성 및 안전성에 대한 평가가 충분히 다뤄지지 않았을 수 있습니다.
◦
각 의료 영상 분야별 FM 적용의 특수성 및 한계에 대한 심층적인 논의가 부족할 수 있습니다.
