https://openreview.net/pdf?id=_zznzJjuaIS
학회에서 논문을 하나 골라 리뷰하는 시간이 있어 그때 내가 연구하는 주제와 굉장히 밀접한 논문을 선택해 읽게됐다.
센티넬 림프노드를 self-attention networks와 contrastive learning을 이용해 prediction하는 내용이다
이는 발표를 했기 때문에 이해하기 쉽게 정리해논 피피티도 만들었는데, 파일이 커서 첨부는 못했다..
- sentinel lymph node?
sentinel lymph node란 SLN(약자)로 불리고 피부암(ex) melanoma) 등 암이 생겼을 때 제일 먼저 전이가 일어난 림프절이다. 이는 없는 환자도 많고 검사하기 까다롭지만 중요한 전조증상이라 확인이 필수적이다. 이 논문은 deep learning을 이용해 WSI(조직 이미지를 디지털화한 것)로 이를 prediction하는 과정을 다루고 있다.
이 논문은 SLN 여부를 예측하기위해 self-supervised contrastive learning인 SimCLR과 self-attention 네트워크를 베이스로 둔 새로운 아키텍쳐를 만들고 성능 확인을 위해 이를 imageNet과 비교한다.
- methodology
107 SLN negative+88 SLN positive -> 80% train data, 10% valid data, 10% test data
256*256 patch crop, 2048 feature 뽑음
아키텍처는 weakly supervised architeture인 MIL에 기반을 두고 각 imageNet과 SimCLR로 pre-trained 한 ResNet50 사용
이때 self-attention의 효과를 확인하기위해 각각 표준과 attention-based learning 알고리즘을 사용한 총 4개의 아키텍처로 실험을 진행한다
- result
- conclusion
이 실험들을 통해 cnn-based image classification of primary tumours 가 림프노드 양성을 감지하는데 사용할 수 있다는 것
또한 simCLR과 self-attetion을 함께 사용함으로써 모델의 성능을 높일 수 있다는 것을 확인할 수 있다.