3D MRI를 이용한 코호트 간 알츠하이머병 검출을 위한 형태 기반 단일 도메인 일반화
Morphology-driven single-domain generalization for cross-cohort Alzheimer's disease detection using 3D MRIs
최신 딥러닝 모델 덕분에 MRI를 통한 알츠하이머병 검출은 크게 발전하였으나, 클래스 불균형, 프로토콜 차이, 제한적인 데이터셋 다양성과 같은 문제가 일반화 능력을 저해하는 경우가 많다. 이를 해결하기 위해 본 논문은 하나의 도메인 데이터가 주어졌을 때, 분포가 다른 보지 못한 도메인에 대해 성능을 극대화하도록 모델을 설계·개발하는 단일 도메인 일반화 설정에 초점을 둔다. 뇌 형태가 알츠하이머병 진단에서 중요한 역할을 한다는 점이 알려져 있으므로, 우리는 형태를 인지하고 해부학적으로 의미 있는 클래스별 증강을 생성하는 학습 가능한 의사 형태 모듈을 지도 대조 학습 모듈과 결합하여 견고한 클래스별 표현을 추출하는 방법을 제안한다. 세 개의 데이터셋에 걸친 실험에서 특히 클래스 불균형과 영상 프로토콜 변화 상황에서 성능과 일반화 능력이 향상됨을 확인하였다. 소스 코드는 채택 후 https://github.com/zobia111/SDG-Alzheimer 에 공개될 예정이다.