의료 영상 분할을 위한 강화 학습 프레임워크

이 논문은 강화 학습 방식을 사용하여 의료 이미지 분할을 위한 새로운 방법을 소개합니다. 우리는 이 새로운 아이디어를 효과적으로 최적의 지역 임계값 및 구조 요소 값을 찾고 초음파 이미지에서 전립선을 분할하는 방법으로 사용합니다. 강화 학습 에이전트는 초음파 이미지와 수동으로 분할된 버전을 사용하여 환경(분할된 이미지의 품질)을 변경하기 위해 다양한 행동(즉, 다양한 임계값 및 구조 요소 값)을 취합니다. 에이전트는 객관적으로 결정된 스칼라 강화 신호를 제공받습니다. 에이전트는 이러한 객관적인 보상/처벌을 사용하여 해결 공간을 탐색/활용합니다. 이러한 방식으로 얻어진 값은 Q-행렬을 채우는 유용한 지식으로 사용될 수 있습니다. 강화 학습 에이전트는 이 지식을 유사한 초음파 이미지에도 사용할 수 있습니다. 결과는 의료 영상 분할 분야에서 강화 학습을 적용할 가능성이 높음을 보여줍니다.