6편의 한국어 분석 — 최신순으로 정렬했어요
폐암은 전 세계적으로 주요 암 사망 원인이며, 흉부 CT 분류는 조기 진단 및 환자 관리에 중요합니다. 그러나 기존 딥러닝 기법은 대규모 주석 데이터셋과 높은 연산 자원을 요구하며, 해석 가능성이 부족하다는 한계가 있습니다. 본 연구는 DenseNet169와 MobileNetV2 두 가지 전이 학습 기반 딥 CNN 모델을 활용한 다중 클래스 폐암 분류를 위한 설명 가능한 하이브리드 앙상블 프레임워크를 제안합니다. 여러 앙상블 기법을 통해 각 모델의 클래스 확률 출력을 결합하고, 예측에 기여하는 이미지 영역을 시각적으로 설명하기 위…
본 연구는 위상 데이터 분석(Topological Data Analysis)에 기반한 무학습(train-free) MRI 분할 프레임워크를 탐구합니다. 이 파이프라인은 세 단계로 진행됩니다. 먼저 자동 임계값 설정을 통해 분할할 전체 객체를 식별하고, 다음으로 위상이 미리 알려진 특징적인 부분 집합을 감지하며, 마지막으로 분할의 다양한 구성 요소를 추론합니다. 핵심 요소는 퍼시스턴스 다이어그램(persistence diagram)에서 근사 대표 주기(approximate representative cycle)를 추출하는 것입니다.…
임상 환경에서 불완전한 MRI 시퀀스는 AI 기반 분석을 저해하며, 기존 GAN과 최신 확산 및 트랜스포머 모델 간의 임상적 유용성에 대한 비교 연구는 부족했습니다. 본 연구는 BraTS 2019 뇌종양 데이터셋을 활용하여 T1-T2 교차 양식 MRI 합성을 평가하고, 쌍 및 비쌍 CycleGAN 모델을 조건부 DDPM 및 트랜스포머 강화 GAN과 비교했습니다. 동일한 데이터 분할 및 전처리 파이프라인을 사용하여 모델들을 평가했습니다. 양식 간 상관관계를 분석하여 달성 가능한 유사성 수준을 추정했으며, 합성 과정을 누락된 정보를 …
의료 AI, 특히 3D 영상 분야의 발전은 포괄적인 데이터셋 부족으로 제약을 받아왔습니다. 본 연구는 3D 의료 영상과 해당 텍스트 보고서를 결합한 공개 데이터셋인 CT-RATE를 소개합니다. CT-RATE는 21,304명의 환자로부터 얻은 25,692개의 비조영 흉부 CT 스캔과 방사선 보고서로 구성됩니다. CT-RATE를 활용하여, 특정 작업 훈련 없이 광범위하게 적용 가능한 CT 중심의 대조 언어-영상 사전 학습 프레임워크인 CT-CLIP을 개발했습니다. 또한, CT-CLIP의 비전 인코더와 사전 학습된 대규모 언어 모델을 …
대규모 언어 모델과 비전-언어 모델(VLM)을 포함한 파운데이션 모델은 효율적이고 확장 가능하며 다중 모드 학습을 통해 인공지능 분야에 혁신을 가져왔습니다. 이러한 모델은 자기 지도 및 준 지도 학습의 발전을 활용하여 컴퓨터 비전과 자연어 처리를 통합함으로써 질병 분류, 분할, 교차 모드 검색, 자동 보고서 생성과 같은 복잡한 작업을 해결합니다. 의료 분야에서 파운데이션 모델은 다양한 의료 영상 모달리티 정보와 방사선 보고서 및 임상 기록의 텍스트 데이터를 결합하여 중요한 문제를 해결합니다. 이러한 통합은 진단 워크플로우를 간소화…
본 연구는 의료 영상 진단 시 AI 모델의 투명성과 진단 정확도를 높이기 위해 새로운 Pixel-Level Interpretability(PLI) 모델을 제안한다. 기존 Grad-CAM 모델의 한계를 극복하고, 더욱 세밀한 해석력과 정밀한 병변 위치 파악을 목표로 한다. 연구 방법론으로 VGG19 CNN 아키텍처를 활용했으며, 1,000개 이상의 레이블링된 COVID-19 흉부 X선 공개 데이터셋 3종을 사용했다. 데이터는 크기 조정, 정규화, 증강을 거쳐 모델의 견고성과 일반화 능력을 확보했다. PLI 모델의 성능은 Grad-C…
