akiyengar.com

이 이메일 도메인이 관측된 논문 1건

arXiv:2511.12373v2eess.IV

MTMed3D: 3D 의료 영상을 위한 멀티태스크 트랜스포머 기반 모델

MTMed3D: A Multi-Task Transformer-Based Model for 3D Medical Imaging

의료 영상 분야에서는 내과의사와 의사들의 업무 부담을 덜기 위해 객체 검출(object detection), 분할(segmentation), 분류(classification)와 같은 AI 보조 기술이 널리 활용되고 있습니다. 그러나 주로 단일 태스크 모델이 사용되어 태스크 간의 공유 정보를 간과하며, 이는 실제 응용 환경에서 비효율성을 초래합니다. 본 연구에서는 의료 영상에서 3D 검출, 분할, 분류를 공동으로 수행하여 단일 태스크 모델의 한계를 해결하는 새로운 엔드투엔드(end-to-end) 멀티태스크 트랜스포머 기반 모델인 MTMed3D를 제안합니다. 제안하는 모델은 트랜스포머를 공유 인코더로 사용하여 다중 스케일(multi-scale) 특징을 생성하고, 그 뒤를 CNN 기반의 태스크별 디코더가 잇습니다. 제안된 프레임워크는 BraTS 2018 및 2019 데이터셋에서 평가되었으며, 세 가지 태스크 모두에서 유망한 결과를 달성했고, 특히 검출에서는 기존 연구보다 더 우수한 성능을 거두었습니다. 아울러 본 멀티태스크 모델을 개별적으로 학습된 동등한 단일 태스크 변형 모델들과 비교했습니다. 본 멀티태스크 모델은 단일 태스크 모델과 대등한 성능을 유지하면서도 계산 비용을 크게 절감하고 더 빠른 추론(inference) 속도를 달성하여 효율성 측면의 이점을 보여줍니다. 저자들이 아는 한, 본 연구는 3D 의료 영상에서 검출, 분할, 분류 태스크를 동시에 다루는 멀티태스크 학습에 트랜스포머를 활용한 최초의 연구이며, 진단 과정을 개선할 수 있는 잠재력을 제시합니다. 코드는 https://github.com/fanlimua/MTMed3D.git 에서 확인할 수 있습니다.