본 논문은 태아 복부 기형의 정확한 진단을 위한 새로운 다중 인스턴스 학습(MIL) 기반 방법을 제안한다. 기존 연구들이 이미지 수준 분류에 집중하고 표준 평면 위치에 의존하는 것과 달리, 본 연구는 표준 평면 위치 없이 케이스 수준 진단에 초점을 맞춘다. 여러 평면에 대한 가중치를 부여하는 혼합 주의 전문가 모듈(MoAE), 의학적 지식과 이미지 특징을 정렬하는 의학 지식 기반 특징 선택 모듈(MFS), 그리고 MFS를 향상시키는 프롬프트 기반 원형 학습(PPL)을 제안한다. 2,419개 케이스(총 24,748개 이미지, 6개 범주)의 대규모 태아 복부 초음파 데이터셋을 사용하여 성능을 검증한 결과, 기존 최고 성능의 방법들을 능가하는 결과를 얻었다.
시사점, 한계점
•
시사점:
◦
표준 평면 위치에 의존하지 않는 케이스 수준 태아 복부 기형 진단 방법 제시
◦
혼합 주의 전문가 모듈(MoAE), 의학 지식 기반 특징 선택 모듈(MFS), 프롬프트 기반 원형 학습(PPL)을 통해 기존 방법보다 향상된 성능 달성
