PICCOLO 백색광 및 협대역 이미징 대장내시경 데이터셋: 모델과 데이터셋의 성능 비교

대장암은 세계에서 주요한 사망 원인 중 하나입니다. 다행히도 조기 진단을 통해 효과적인 치료가 가능하여 생존율이 증가합니다. 딥 러닝 기술은 대장내시경에서 선종 발견율을 증가시키는 데 유용성을 보여주었으나, 모델이 용종을 특징 짓는 특징을 자동으로 학습하기 위해서는 데이터셋이 필요합니다. 본 연구에서는 76개의 병변에서 유래한 40명의 환자로부터 수집된 3433개의 수동 주석 이미지(2131개의 백색광 이미지, 1302개의 협대역 이미지)로 구성된 PICCOLO 데이터셋을 제시합니다. 이 이미지는 훈련(2203), 검증(897) 및 테스트(333) 세트로 분배되어 환자 간 독립성을 보장합니다. 또한 각 병변에 대한 임상 메타데이터도 제공됩니다. 두 개의 백본과 두 개의 인코더-디코더 아키텍처를 조합하여 얻은 네 가지 서로 다른 모델이 PICCOLO 데이터셋과 비교를 위한 다른 두 개의 공개 데이터셋으로 훈련됩니다. 각 데이터셋의 테스트 세트에 대한 결과가 제공됩니다. PICCOLO 데이터셋으로 훈련된 모델은 자체 테스트 세트에서 최고의 결과를 얻기보다는 모든 데이터셋의 테스트 세트에서 보다 균일하게 수행되므로 더 나은 일반화 능력을 가지고 있습니다. 이 데이터셋은 바스크 바이오뱅크 웹사이트에서 이용 가능하며, 용종 발견, 위치 확인 및 분류를 위한 딥 러닝 방법의 추가 개발에 기여할 것으로 기대되며, 이는 궁극적으로 대장암의 보다 빠르고 더 나은 진단으로 이어져 환자 결과를 개선할 것입니다.