플러스프로젝트 배경
필요성 - 수술 계획 및 치료 방침에 있어 정확한 종양 위치 및 범위 파악이 필수적 - 수작업 라벨링은 시간과 비용이 많이 들며 의료진 간 해석 기준 차이가 발생 최종 목표 - T1C MRI 영상에서 뇌수막종 종양을 자동으로 분할할 수 있는 모델을 개발 - 전처리부터 예측 결과 시각화 및 다운로드까지 가능한 시스템을 구축 - 일관되고 효율적인 진단 지원이 가능하도록 하는 것을 목표 모델 개
프로젝트 성과
UNet ++ with Deep Supervision으로 성능 업그레이드
- 작은 크기의 종양과 측두엽처럼 예측이 어려운 위치에 있는 종양들도 잘 잡아낼 수 있게 Deep Supervision 적용
- 모델 성능 증가 효과 입증
- 모델 성능 증가 효과 입증
핵심 기능
전처리
데이터셋을 HD-HET으로 스컬을 제거하고 리샘플링하여 스펙싱과 정렬을 유지
환자와 병원마다 다른 intensity 분포 정규화하고 슬라이싱하여 모델에 입력할 데이터 전처리
환자와 병원마다 다른 intensity 분포 정규화하고 슬라이싱하여 모델에 입력할 데이터 전처리
진행 단계
기획
2025.06.
- 뇌수막종에 관련된 논문을 읽고 모델과 전처리 기법을 정리 및 회의
프로젝트 상세
- 기간 : 2025.06.18 ~ 2025.07.28 - 역할 : 전처리 자동화(HD-BET, GTV), 슬라이싱 및 저장 구조 설계, 모델 학습 및 시각화 전반 담당, 발표자료 및 보고서 작성 - 주요 내용 : • Skull-stripping(HD-BET), GTV 마스크 병합, 정규화 및 axial 슬라이스 분할 • UNet, AttentionUNet, UNet++ 구조 기반 학습 및
