신경망 훈련을 용이하게 하는 반복 주석: 의료 영상 분석에 특화된 기계 학습

신경망은 의료 분야에 강력하고 정량적인 분석을 제공할 잠재력이 있지만, 이러한 네트워크의 훈련에 대한 기술적 세부사항 때문에 채택이 제한적입니다. 병리학 분야의 의료 연구자와 신경망 간의 이러한 번역 간극을 해결하기 위해, 우리는 WSI(전체 슬라이드 이미지) 뷰어인 Aperio ImageScope(Leica Biosystems Imaging, Inc.)를 활용하여 WSI에서 신경망 예측을 주석 달고 표시하는 직관적인 인터페이스를 만들었습니다. 이를 활용하여, 우리는 WSI 주석의 부담을 줄이기 위한 사람-순환 전략 사용을 제안합니다. 우리는 반복 횟수에 따른 네트워크 성능 개선을 추적하고, WSI에서 신장 조직학적 소견 분할을 위한 이 파이프라인의 사용을 정량화합니다. 더 구체적으로, 우리는 신장 미세 구역의 분할에 적용될 때의 네트워크 성능을 제시하고, 인간 및 마우스 신장 조직 슬라이드에서 다중 클래스 분할을 보여줍니다. 마지막으로, 이 기술이 다른 의료 영상 분야에 얼마나 적응할 수 있는지 보여주기 위해, 우리는 방사선 영상 데이터에서 인간 전립선 선을 반복적으로 분할할 수 있는 능력을 입증합니다.