PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2609.22398v1eess.IV

심방세동을 위한 LGE-MRI 다기관 양심방 분할: 2D 및 3D 프레임워크

Multicentre Bi-atrial Segmentation from LGE-MRI for Atrial Fibrillation with a 2D and 3D Framework

지연 가돌리늄 강화 MRI(LGE-MRI)에서 양심방 구조를 정확히 윤곽화하는 것은 심방세동(AF)에서의 구조 분석과 향후 섬유화 정량화 워크플로우를 위한 중요한 선행 조건이다. 그러나 얇은 벽을 가진 해부학적 구조, 영상 센터 간 도메인 시프트(domain shift), 기존 방법에 대한 제한된 벤치마킹 때문에 자동 분할은 어렵다. 본 연구는 다기관 LGE-MRI 데이터셋에서 ROI(관심 영역) 지역화, 인코더 설계, 2D/3D 차원, 앙상블 융합이 양심방 벽 및 심방강 분할에 미치는 영향을 평가하기 위한 2단계 분할 프레임워크와 벤치마킹 플랫폼을 제시한다. 이 프레임워크는 ResNeXt 인코더를 갖춘 2D·3D U-Net 변형으로 3D 국소화와 세밀 분할을 통합하고, 컨볼루션, 트란스포머 기반, 상태 공간(state-space) 아키텍처와 비교한다. 세 개의 독립 코호트에 걸친 평가는 타깃 도메인 미세조정 없이 정확도와 교차 도메인 전이를 측정했다. 심방강 분할은 심방 벽 분할보다 센터 간 더 일관되게 전이되었고, 벽 성능은 도메인 시프트, 특히 Kobe 코호트에서 민감하게 유지되었다. 2D, 3D, 앙상블 아키텍처가 센터 간 및 벽과 심방강 사이에서 어떻게 동작하는지 정량화함으로써, 본 연구는 향후 방법론 개발과 임상 검증을 위한 재현 가능한 벤치마크를 제공한다.

arXiv:2606.10725v2cs.LG

Pre-AF 13: 퇴원 보고서에서 도출한 해석 가능한 심방세동 위험 점수

Pre-AF 13: An Interpretable Atrial Fibrillation Risk Score Mined from Discharge Reports

기존 심방세동(AF) 위험 점수의 한계를 극복하기 위해 전자 건강 기록(EHR)의 퇴원 보고서에서 자연어 처리(NLP)와 트랜스포머 기반 개체명 인식(NER)을 활용하여 특징을 추출하고 LightAutoML로 해석 가능한 모델을 개발했습니다. 13개의 특징을 사용하는 Pre-AF 13 모델은 기존 임상 위험 점수보다 우수한 성능을 보이며 심혈관 질환(CVD) 환자의 심방세동 발생 위험을 효과적으로 예측했습니다.