잠시만 기다려 주세요. 로딩중입니다.

어텐션 기법 및 의료 영상에의 적용에 관한 최신 동향

 The Latest Trends in Attention Mechanisms and Their Application in Medical Imaging

대한영상의학회지 2020년 81권 6호 p.1305 ~ 1333
신형섭, 이정룡, 어태준, 전요한, 김세원, 황도식,
소속 상세정보
신형섭 ( Shin Hyung-Seob ) - Yonsei University Department of Electrical and Electronic Engineering
이정룡 ( Lee Jeong-Ryong ) - Yonsei University Department of Electrical and Electronic Engineering
어태준 ( Eo Tae-Joon ) - Yonsei University Department of Electrical and Electronic Engineering
전요한 ( Jun Yo-Han ) - Yonsei University Department of Electrical and Electronic Engineering
김세원 ( Kim Se-Won ) - Yonsei University Department of Electrical and Electronic Engineering
황도식 ( Hwang Do-Sik ) - Yonsei University Department of Electrical and Electronic Engineering
KMID : 1103720200810061305    DOI : 10.3348/jksr.2020.0150

Abstract

딥러닝 기술은 빅데이터 및 컴퓨팅 파워를 기반으로 최근 영상의학 분야의 연구에서 괄목할만한 성과를 이루어 내고 있다. 하지만 성능 향상을 위해 딥러닝 네트워크가 깊어질수록 그 내부의 계산 과정을 해석하기 어려워졌는데, 이는 환자의 생명과 직결되는 의료분야의 의사 결정 과정에서는 매우 심각한 문제이다. 이를 해결하기 위해 “설명 가능한 인공지능 기술”이 연구되고 있으며, 그중 하나로 개발된 것이 바로 어텐션(attention) 기법이다. 본 종설에서는 이미 학습이 완료된 네트워크를 분석하기 위한 Post-hoc attention과, 네트워크 성능의 추가적인 향상을 위한 Trainable attention 두 종류의 기법에 대해 각각의 방법 및 의료 영상 연구에 적용된 사례, 그리고 향후 전망 등에 대해 자세히 다루고자 한다.

Deep learning has recently achieved remarkable results in the field of medical imaging. However, as a deep learning network becomes deeper to improve its performance, it becomes more difficult to interpret the processes within. This can especially be a critical problem in medical fields where diagnostic decisions are directly related to a patient's survival. In order to solve this, explainable artificial intelligence techniques are being widely studied, and an attention mechanism was developed as part of this approach. In this paper, attention techniques are divided into two types: post hoc attention, which aims to analyze a network that has already been trained, and trainable attention, which further improves network performance. Detailed comparisons of each method, examples of applications in medical imaging, and future perspectives will be covered.

키워드

Deep Learning; Artificial Intelligence; Medical Imaging; Attention

원문 및 링크아웃 정보

등재저널 정보