Abstract
SSNet 모델은 의료 이미지 분할에서 우수한 성능을 보이는 모델인 nnUNetv2와 Foundation model인 SAM-Tracker를 사용하여 구축함.
SSNet 모델의 IoU (Intersection over Union)는 0.463이고, Dice는 0.611
nnUNetv2만 사용할 때 IoU는 0.569이고, Dice는 0.702
Introduction
NIHSS는 뇌졸중 환자의 증상을 평가하는 표준화된 평가 도구로, 0부터 42점까지의 범위를 가지며 높은 점수일수록 더 심한 뇌졸중을 나타냄. 하지만 각 의사가 측정하는 점수가 다르기 때문에 뇌 MRI 이미지의 병변을 세그멘트하는 것이 더 정확한 점수를 측정할 것으로 기대됨
SAM-Track (Segmentation anything model- track)은 Foundation 모델로, SAM 기반의 tracker. SAM-Track은 이미지 내의 모든 객체를 추적하므로, 우리는 nnUNetv2에 의해 예측된 마스크 이미지를 프롬프트로 사용하여 SAM-Track을 사용했습니다.
