• 목록

[일시]
2024.07.25

[세미나 주제]
Out of Distribution Detection in Medical Image Segmentation

[발표자]
장유나

[요약]
본 발표는 multiple한 데이터셋을 통해서 medical image segmentation 학습을 수행한 다음, segmentation 정확도에 대한 model calibration 측면을 평가하고, out-of-distribution을 통해 다른 데이터셋에 대해서 구별해내는 능력을 평가한다. 특히 OOD detection을 위해서 제안된 OODM은 3D medical image의 feature map으로부터 spectrum 정보를 추출해낸 뒤에 spectral signal에 대한 값으로 거리를 비교하는 방식으로 OOD 데이터와 ID 데이터를 구분하는 방식이다.
해당 연구에서 제안하는 multitask learning의 기법을 활용하였을 때 다양한 데이터셋을 활용한 joint model의 세팅이 단일 데이터셋만을 활용한 경우보다 좋은 성능을 내는 것을 확인할 수 있었으며, model의 calibration 측면에서도 좋은 성능을 갖는 것을 확인할 수 있었다. 또한 OODM의 지표를 활용하였을 때 in-distribution의 데이터와 뚜렷한 거리를 두고 위치하는 것을 통해서 적절하게 동작할 수 있는 모습을 확인할 수 있었다.

[관련 논문]
- Improving Calibration and Out-of-Distribution Detection in Deep Models for Medical Image Segmentation

[녹화 영상 링크]
https://us02web.zoom.us/rec/share/c9UmcOqCW954QllwefU5Cv8JxNlTvN9ci9j6Oq-KN0ArnAIo_ui71WijHGF9vdgD.j8LJeRpQF14XPM6e