PyTorchKR Papers

최신 논문

총 3편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2609.22790v1cs.AI

연구 최전선에서 실험실 교육 현장까지: 다중 양식 의료 영상 지능 진단을 위한 4단계 실험 교수 시스템 설계

From Research Frontier to Laboratory Bench: Design of a Four-Tier Experimental Teaching System for Multimodal Medical Image Intelligent Diagnosis

지능형 의료 공학 학부 프로그램은 확대되고 있으나, 실험실 교육과정은 임상 AI의 다중 양식, 롱테일, 분포 변화 현실에 뒤처져 있다. 본 설계 논문은 진행 중인 자궁내막암 다중 양식 심층 학습 연구 프로젝트를 구조화된 학부 실험실 시퀀스로 전환하는 고급 실험 교수 시스템을 제시한다. 우리는 세 가지 교육 격차(양식성, 현실성, 배포)를 식별하고, 구성적 정렬(constructive alignment), 체험 학습(experiential learning), 연구-교육 연계(research teaching nexus), CDIO 프레임워크로부터 네 가지 교육학적 원칙을 도출한다. 교육과정은 4단계 점진적 티어와 엔지니어링 층으로 구성되며, 64 접촉 시간에 걸쳐 32개 실험실 단원을 포함하고, 비식별화된 다기관 데이터를 사용하는 맞춤형 가상 임상 워크스테이션을 통해 제공된다. 각 티어는 특정 기술적 병목, 선수 과목, 기준 참조 산출물에 대응한다. 데이터 거버넌스, 안전성, 평가 프로토콜을 명시한다. 학습 성과 데이터는 두 번의 구현 주기에 걸쳐 수집될 예정이다.

arXiv:2607.22352v1cs.CV

시간 역전 영상: 과거 인간-환경 상호작용 재구성을 위한 다중모달 벤치마크 및 프레임워크

Time-Reversed Imaging: A Multimodal Benchmark and Framework for Reconstructing Past Human-Environment Interactions

우리는 희미해지는 다중모달 흔적로부터 장면에서 방금 일어난 일을 추론하는 새로운 패러다임인 시간 역전 영상(time-reversed imaging)을 제안한다. 비디오 프레임을 외삽하거나 보간하는 대신, 우리의 목표는 열, 자외선, 가시 스펙트럼에서 관측 가능한 잔류 물리적 흔적으로부터 과거 인간-환경 상호작용을 추론하는 것이다. 이 문제를 연구하기 위해, 우리는 시간 역전 영상을 위한 최초의 개념 증명(proof-of-concept) 데이터셋인 TRACE-HEI를 제시한다. 이 데이터셋은 앉기, 접촉, 물체 이동, 액체 유출과 같은 행동의 동기화된 삼중모달 비디오 시퀀스를 포함하며, 다양한 재질에 걸쳐 촬영되었고 접촉 후 최대 3분까지 기록되었다. 벤치마크를 확립하기 위해, 우리는 검출된 흔적의 구조화된 텍스트 설명을 추출하고 이를 사용하여 그럴듯한 과거 프레임을 재구성하기 위한 비전-언어(vision-language) 기반 확산 모델(diffusion model)을 제약하는 다중모달 추론 접근법을 제안한다. 실험 결과, 희미해지는 흔적로부터 최근 사건을 추론하는 것은 도전적이지만, 상호 보완적인 모달리티가 해의 모호성을 줄일 때 실현 가능함을 보여준다. 본 연구는 시간 역전 영상을 위한 최초의 계산 및 실험적 기반을 정의하며, 비전, 물리학, 생성적 추론을 연결하고 즉각적 관측을 넘어선 장면 이해의 새로운 방향을 연다.

arXiv:2607.13936v1cs.CV

다중모달 심장 PET/MRI 데이터 처리를 위한 새로운 비지도 기계학습 전략

A novel unsupervised machine learning strategy to handle multimodal cardiac PET/MRI data

좌심실 부정맥성 심근병증(arrhythmogenic left ventricular cardiomyopathy)은 금기준(gold standard) 진단 기준이 부족하여 진단이 어려운 유전성 심근 질환이다. 다중 매개변수 정량 분석과 결합한 동시 PET/MR 영상은 심근병증의 표현형 및 진행과 관련된 다양한 프로파일 식별을 촉진할 수 있다. 본 예비 연구는 환자 간 데이터 연결 및 영역 분석을 포함하여 PET/MRI 데이터를 다루기 위한 방법론적 전략에 초점을 맞춘다. 유전적으로 진단된 좌심실 부정맥성 심근병증 환자 99명의 T1 및 T2 맵, LGE, 18F-FDG-PET 영상에 2단계 클러스터링을 적용하였다. 각 환자의 영상을 독립적으로 z-score 정규화한 뒤 단일 볼륨으로 합산하고, 이를 슈퍼복셀(supervoxel)로 클러스터링하였다. 스펙트럴 클러스터링(spectral clustering)을 통해 32개의 환자 간 슈퍼복셀 그룹을 얻었다. 각 클러스터 및 모달리티에 "이상(abnormality)" 점수를 부여하여 질환과 관련될 가능성이 있는 이상 영역을 시각화하는 데 사용하였다. 이를 통해 각 환자에 대한 자동화된 텍스트 및 불스아이(bullseye) 건강 보고서를 생성할 수 있었으며, 반복 중첩 교차검증(repeated nested cross-validation)에서 균형 정확도(balanced accuracy, BA)를 사용하여 심장 영상 전문의 평가와 비교하였다. 이 접근법은 167개의 수치 팬텀(numerical phantoms)으로 구성된 더 큰 코호트에서 추가로 검증되었다. 클러스터링으로 생성된 보고서는 심장 전문의의 관찰 대부분을 정확히 식별하였다(환자 대상 반복 중첩 교차검증에서 BA = 0.76 $\pm$ 0.04, 팬텀에서 BA $\ge$ 0.8). 또한 식별된 이상 클러스터는 시각적 관찰과 밀접하게 일치하여, 영상에서 다양한 정도의 섬유화(fibrosis) 또는 염증(inflammation) 식별을 용이하게 하였다. 이 접근법은 좌심실 부정맥성 심근병증 환자의 심근 이질성(myocardial heterogeneity)을 특성화하기 위해 다중모달 PET/MRI 데이터를 보다 체계적으로 처리할 수 있게 한다.