• 목록

논문 제목: Mutual-Complementing Framework for Nuclei  Detection and Segmentation in Pathology Image.

논문내용 요약: 디지털 병리 영상 분석은 정량화된 진단과 예후 분석에 있어 중요한 의미를 갖습니다, 디지털 병리 영상 분석은 핵 Detection 및 Segmentation 기술을 기본으로 합니다.
                          이러한 기술들을 위해 여러가지의 연구들이 진행되고 있습니다. 그러나 이러한 연구들은 다양한 문제점들이 존재합니다.
                          이 논문에서는 여러 문제점들을 해결하기 위해 Correlation Filter와 Deep Learning의 장점을 결합한 MCF를 제안하였습니다.

논문의 시사점: 본 논문에서는 완젼지도학습은 높은 성능을 보이지만 잘 정제된 annotation데이터가 필요하여 데이터 수집에 많은 시간이 소요됩니다.
                          MCF는 비지도학습과 비교하였을 때 암이 없는 정상 영역에서는 유사한 성능을 보이며, 암 영역에서는 오히려 더 높은 성능(20%)을 보이고 있습니다.
                          이 결과가 임상 진단의 암 분석에서 유의미한 잠재력(Significant potential)이 있다.