StrokeNeXt: A Siamese-encoder Approach for Brain Stroke Classification in Computed Tomography Imagery

Created by

Haebom

저자

Leo Thomas Ramos, Angel D. Sappa

💡 개요

본 논문은 2D CT 영상에서 뇌졸중 분류를 위한 새로운 모델인 StrokeNeXt를 제안합니다. StrokeNeXt는 두 개의 ConvNeXt 인코더를 활용하는 듀얼 브랜치 구조를 특징으로 하며, 경량화된 1D 컨볼루션 기반의 디코더를 통해 특징을 융합하고 분류를 수행합니다. 제안된 모델은 6,774개의 CT 영상으로 구성된 데이터셋에서 뇌졸중 탐지 및 허혈성/출혈성 아형 분류 모두에서 0.988에 달하는 높은 정확도와 F1 점수를 달성하며 기존 모델 대비 우수한 성능을 보였습니다.

🔑 시사점 및 한계

•

뇌졸중 분류를 위한 Siamese-encoder 기반의 ConvNeXt 모델이 기존 CNN 및 Transformer 기반 모델 대비 통계적으로 유의미한 성능 향상을 보였습니다.

•

허혈성 및 출혈성 뇌졸중 아형 분류에서 높은 정확도와 F1 점수를 달성했으며, 낮은 추론 시간과 빠른 수렴 속도를 특징으로 합니다.

•

클래스별 민감도 및 특이도 분석 결과, 다양한 진단 범주에서 강건한 성능을 보여주었으며, 예측 오류 감소 및 낮은 오분류율을 보였습니다.

•

본 연구는 2D CT 영상에 초점을 맞추고 있으므로, 3D CT 영상이나 다양한 영상 모달리티(MRI 등)를 통합하는 연구로 확장될 필요가 있습니다.

PDF 보기

Made with Slashpage