[논문] GUMP‑Net: 다중 골반 분할을 위한 해석 가능한 모델‑데이터 기반 지능형 알고리즘

출처: arXiv - 2606.19215v1

개요

골반 분할은 정확하고 지능적인 진단·치료, 그리고 골반 골절 수술 계획 및 내비게이션에서 가장 중요한 기본적인 연구 문제 중 하나입니다. 개선된 지오데시ック 액티브 컨트롤 모델과 딥 뉴럴 네트워크를 결합하여 GUMP‑Net이라는 해석 가능한 모델‑데이터 기반 지능형 알고리즘을 제안합니다. 이 알고리즘은 다중 클래스 골반 분할을 목표로 하며, 전체 분할 프레임워크를 구성하는 세 개의 네트워크 모듈을 포함합니다: 자동 레벨 셋 초기화를 위한 객체 탐지 모듈, 해부학적 인식 엣지 검출 함수를 학습하기 위한 엣지 감지 모듈, 그리고 딥 레벨 셋 진화용 반복 모듈입니다. 레벨 셋 표현과 딥 러닝의 장점을 활용하여 GUMP‑Net은 소량 훈련 데이터 상황에서도 최신 기술 대비 더 정확하고 견고하며 일관된 분할 성능을 보입니다. 골반_dataset에 대한 광범위한 실험은 제안된 알고리즘의 타당성과 효과를 입증합니다. 추가적으로 발목_dataset에 대한 실험을 통해 다른 해부학적 구조에도 적용 가능함을 보여줍니다. 제안된 알고리즘은 복잡한 골절 감소를 위한 효율적인 분할 방법뿐만 아니라 딥 러닝 분할을 이해하는 데 도움이 되는 해석 가능한 기하학적 관점을 제공합니다.

주요 공헌

본 논문은 다음 분야의 연구를 제시합니다:

• cs.CV

방법론

자세한 방법론은 원문 논문을 참고하십시오.

실용적 의미

본 연구는 cs.CV의 발전에 기여합니다.

저자

• Liheng Wang
• Yinghui Zhang
• Licheng Zhang
• Hailin Xu
• Qiyong Cao
• Chong Chen

논문 정보

• arXiv ID: 2606.19215v1
• Categories: cs.CV
• Published: 2026년 6월 17일
• PDF: PDF 다운로드