Deep Learning Study (13) / 24.11.12

Synthesizing MRIs From CT Scans Using Deep Learning Techniques: A Comprehensive Review

 

 

1. 지도 학습

CT와 MRI 페어 쌍이 많이 필요하다는 단점이 있지만, 많은 연구 논문들에서 증명된 것처럼, 지도 학습이 비지도 학습보다 더 정교하게 MRI 데이터 퀄리티 및 품질을 잘 뽑아낸다.

 

2. 비지도 학습

CT와 MRI 페어 쌍이 많이 없는 상태에서도 결과를 잘 추출한다는 장점이 있지만, 지도 학습보다는 덜 정교하게 만들어진다.

 

 

 

3. 현재 상황

CT와 MRI의 페어 데이터(서로 대응되는 CT와 MRI 이미지)가 매우 부족함. 지도 학습 방식은 대량의 페어 데이터를 필요로 하지만, 현실적으로는 충분한 데이터가 없어 학습이 어렵고, 데이터가 부족하면 일반화 성능이 크게 떨어짐.

=> 데이터 수급의 현실적인 문제를 반영하기 위해 비지도 학습 GAN 도입 (55%의 연구가 GAN으로만 진행 중)

 

---

 

[논문 내용 요약]
1. 비지도 학습보다 지도 학습이 CT로부터 MRI 데이터를 만들기 위해서 더 충분하다
2. 지도 학습을 위한 페어 데이터가 부족하다
3. 우선 비지도 학습으로 부족한 데이터 쌍을 만들 수 있다.
4. 나중에 이 데이터를 활용해 지도학습을 더 훈련시킬 수 있다. (현재 압도적으로 많이 진행되고 있는 비지도학습 연구도 결국 지도학습에 사용될 고품질의 페어 데이터 생성을 위한 도구로써 사용되는 것이다)