KSC 2020
Current Result Document :
| 한글제목(Korean Title) |
조직병리학 영상 분류를 위한 셀프-어텐션 기반 다중 인스턴스 학습 기법 |
| 영문제목(English Title) |
Self-attention based Multiple Instance Learning for Histopathology Image Classification |
| 저자(Author) |
서민지
윤성로
Minji Seo
Sungroh Yoon
|
| 원문수록처(Citation) |
VOL 47 NO. 02 PP. 0454 ~ 0456 (2020. 12) |
한글내용
(Korean Abstract) |
최근 컴퓨터 비전 분야에서 딥러닝의 발전으로 인해 영상 분류를 통한 세포의 악성 여부 및 암의 진단이 가능하게 되었다. 하지만 고해상도의 조직병리학 영상 분류를 위해 사용되는 기존 방법론인 단일 인스턴스 학습(Single Instance Learning) 기법은 라벨이 오기입된 데이터로 모델이 학습되는 문제점이 있다. 따라서 본 연구는 기존 한계점을 극복한 다중 인스턴스 학습(Multiple Instance Learning) 기법을 바탕으로 조직병리학 영상을 분류하기 위해 1) 환자 별 데이터 백(bag) 구성, 2) 셀프-어텐션(self-attention) 기반 집합 어텐션 블록(Set Attention Block)으로 구성된 인코더, 3) 멀티헤드 어텐션에 의한 풀링 기법(Pooling by Multihead Attention)을 통해 네트워크 학습을 진행하였다. 성능 평가를 위해 조직 병리학 영상으로 이루어진 Colon cancer 데이터 집합과 TCGA-CRC 데이터 집합에 대해 실험을 진행하였고 정량적 분석을 통해 네트워크의 효과를 검증하였다. 또한 단일 인스턴스 학습 기법과의 비교를 통해 고해상도 조직병리학 영상 분류에서 다중 인스턴스 학습 기법이 갖는 이점을 보였다.
|
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
