• 목록

[일시]
2025.02.17

[세미나 주제]
NAS for Medical Image Segmentation

[발표자]
장유나

[요약]
본 발표는 medical image segmentation을 위한 NAS 연구 기법에 대해 알아보고 있다. 기존에 많이 제안되었던 NAS의 연구들은 일반적으로 image classification 과업을 통해 그 성능을 증명하였으며, 이 classification 기반의 NAS의 방식론을 그대로 image segmentation 과업에 적용하는 경우, image segmentation 네트워크의 특징을 충분히 파악하기에 어렵다는 한계점이 존재하기 때문에, 이러한 문제를 해결하고자 image segmentation을 위한 NAS 방법론이 제안되었다. 그 background가 되는 논문으로는 cell 단위의 탐색과 network 단위의 탐색을 모두 수행한 Auto-DeepLab 연구와 cell 단위의 탐색을 기반으로 고정된 backbone의 architecture를 설계하는 NAS-UNet이 있다. 두가지 논문을 기점으로 medical image segmentation에 적용될 수 있는 NAS의 기법들이 등장하게 되었는데, 그 중 먼저 MS-NAS의 경우 전체 network에서의 cell 에 대한 탐색과 architecture 에 대한 탐색을 수행하면서 그 탐색에 대한 비용을 줄이기 위해 partial channel connection scheme 을 적용하였다. 해당 기법은 상당히 줄어든 연산 메모리를 활용해서 높은 segmentation의 결과를 이끌어내는데 성공했다. NASGP-NET의 연구에서는 cell 구조에 대한 탐색을 위해서 tree 기반의 genetic programming을 활용한 탐색을 수행하였으며, 이를 통해 각기 다른 dataset에 대해서 높은 segmentation 성능을 이끌어낼 수 있는 architecture를 탐색하는데 성공하였다. 하지만 여전히 open dataset을 수행하였으며, 적용된 medical image가 MRI, CT 등으로 한정되었다는 한계점에 기반하여 앞으로 병리 이미지에서도 좋은 성능을 보일 수 있는 NAS 기법이 제안되어야 한다 생각된다.

[Q&A]
- p26에서 언급된 channel이 어떤 걸 의미하는지 궁금합니다.
: 해당 연구에서 적용한 partial channel connection scheme은 'PC-DARTS: Partial Channel Connections for Memory-Efficient Architecture Search' 연구에서 제안된 기법으로, input data에 대한 channel 그 자체를 의미하는 값이 맞습니다. 하이퍼파라미터로 제공받은 k 비율만큼의 channel만을 샘플링하여 사용하는 기법을 해당 연구에서는 적용하고 있습니다.

[관련 논문]
- MS-NAS: Multi-scale Neural Architecture Search for Medical Image Segmentation
- Tree-Based Codification in Neural Architecture Search for Medical Image Segmentation

[녹화 영상 링크]
https://us02web.zoom.us/rec/share/YpIEqEytqLigMOuz9Lnuf4d5iB6ALVnntd3UH5E2lfXqmD3qWxTLts-Go5i73A.hoRZge7rulop9LK0?startTime=1739773103000