U-Net과 ResNet50V2를 활용한 유방 초음파 병변 분할 모델 개발

작성자가 공개한 GitHub 코드와 아키텍처 구성에 대해 긍정적인 반응이며, 의료 영상 처리 분야의 실습 사례로 주목받고 있습니다.

• 의료 영상 분할 프로젝트 시 데이터 불균형이 심하다면 Focal Tversky Loss 도입을 고려할 것
• 모델 성능 검증을 위해 단순 정확도보다는 Dice Score나 IoU 지표를 우선적으로 사용할 것

U-Net

— 의료 영상 분할을 위해 설계된 합성곱 신경망 구조이다. 수축 경로와 확장 경로가 대칭을 이루어 픽셀 단위의 정밀한 위치 정보와 문맥 정보를 동시에 캡처하는 데 최적화되어 있다.

Focal Tversky Loss

— 데이터 불균형이 심한 영상 분할 작업에서 작은 객체 검출 성능을 높이기 위한 손실 함수이다. 오탐과 미탐 사이의 가중치를 조절하고 어려운 샘플에 더 집중하도록 설계되었다.

Dice Score

— 두 영역의 겹치는 정도를 측정하여 영상 분할 모델의 성능을 평가하는 지표이다. 0과 1 사이의 값을 가지며 1에 가까울수록 정답 마스크와 예측 결과가 일치함을 의미한다.