인체 신장 혈관 3D 위상차 단층 촬영 영상 분할
의료 영상에서 혈관을 정확하게 분할하는 것은 연구 및 임상 적용에 필수적이지만, 기존 수동 방식은 시간과 비용이 많이 들고, 자동화된 계산 방식은 정확도에 한계가 있었습니다. 특히 새로운 3D 의료 영상 데이터셋의 대규모 혈관 분할을 위한 효율적인 알고리즘 개발이 시급한 과제였습니다. 이러한 문제를 해결하고자, 본 연구진은 HiP-CT(Hierarchical Phase-Contrast Tomography) 데이터셋에서 3D 혈관 분할을 위한 딥러닝 방법론 개발을 촉진하고자 글로벌 기계 학습 경쟁을 개최했습니다. 1,401명의 참가자가 참여한 이 경쟁을 통해 최상위 솔루션들을 메타 분석하여 분할 정확도와 형태학적 분석에 중점을 두었습니다. 경쟁 및 후속 분석 결과, 데이터 분포를 활용하는 의사 라벨링(pseudo-labeling) 접근 방식, 혈관 표면 및 위상을 최적화하는 지표 및 손실 함수, 그리고 데이터 이질성을 다루는 다중 스케일(multi-scale) 접근 방식과 같은 혁신적인 방법론들이 수렴적으로 발전하고 있음을 확인했습니다. 이는 딥러닝 모델 구축을 위한 효과적인 기술들을 제시합니다. 본 연구는 알고리즘 성능 평가 및 비교를 위한 지표와 함께, HiP-CT 영상 내 혈관 분할 연구를 위한 수동 주석 및 큐레이션된 골드 스탠다드 데이터셋을 제공합니다. 이는 향후 혈관 분할 연구의 발전을 위한 중요한 기반 자료가 될 것입니다.