구면 합성곱 신경망을 활용한 뇌피질 표면 파셀레이션
본 논문은 구면 형태의 뇌피질 표면에 특화된 합성곱 신경망(Spherical U‑Net)을 이용해 49개의 해부학적 영역을 자동으로 분할한다. 파셀 경계 정렬을 위한 변형장(deformation field)을 계산하고, 중간 변형을 이용한 데이터 증강을 통해 학습 효율을 높였다. 427명의 성인 뇌 데이터를 실험에 사용했으며, 전통적인 다중 아틀라스 방식과 기존 구면 U‑Net 대비 Dice 점수가 크게 향상되었고, 전체 파셀레이션 시간은 1분…
저자: Prasanna Parvathaneni, Shunxing Bao, Vishwesh Nath
**1. 서론**
뇌피질 표면을 다중 영역으로 나누는 파셀레이션은 발달·질병 연구에 필수적이다. 기존 수작업 라벨링은 시간과 인력 소모가 크고, 전문가 간 일관성도 부족하다. 다중 아틀라스 기반 자동 파셀레이션은 정합 과정이 필수적이며, 피험자당 2~3시간이 소요된다. 또한 정합이 최적이라 하더라도 파셀 경계와 기하학적 특징이 완전히 일치하지 않아 정확도가 제한된다. 최근 구면 CNN이 비유클리드 데이터에 효율적이라는 점이 부각되었지만, 기존 연구는 제한된 ROI에만 적용하거나 메모리·스케일 문제로 전체 피질 파셀레이션에 미치지 못했다.
**2. 관련 연구**
전통적 다중 아틀라스 방법
원본 논문
고화질 논문을 불러오는 중입니다...
댓글 및 학술 토론
Loading comments...
의견 남기기