Earticle

초록

영어

This study presents CXU-Net, combining a ConvNeXt V2-style 3D encoder, a dilated depthwise residual bottleneck, and Attention Gate skip connections for multiparametric MRI brain tumor segmentation. Encoder comparison and final five-fold cross-validation used 1,377 BraTS-GLI 2024 cases; component evaluations used 120 cases for 30 epochs. Along the greedy path, mean Dice increased from 0.772 to 0.806 and enhancing tissue(ET) Dice from 0.633 to 0.725. The 20.8M-parameter model achieved WT 0.917±0.004, TC 0.881±0.007, ET 0.792±0.011, and mean Dice 0.863±0.007. Neither the boundary- Dice auxiliary term nor the SE combination yielded further gains. Results indicate conditional changes along the selected path rather than isolated component effects.

한국어

본 연구는 다중매개변수 MRI 기반 뇌종양 분할에서 설계 요소의 조건부 성능 변화를 분석하기 위해 ConvNeXt V2 계열 3D 인코더, dilated depthwise residual 병목 및 Attention Gate를 결합한 CXU-Net을 구성하였다. BraTS-GLI 2024의 1,377개 증례를 인코더 비교와 최종 5-fold 교차검증에 사용하고, 120개 하위집합에서 병목·스킵 연결·손실 함수를 30 epochs 동안 단계적으로 평가하였다. 선택 경로에서 평균 Dice는 0.772에서 0.806으로, ET Dice는 0.633에서 0.725로 증가하였다. 20.8M 파라미터의 최종 모델은 5-fold 교차검증에서 WT 0.917±0.004, TC 0.881±0.007, ET 0.792±0.011, 평균 Dice 0.863±0.007을 기록하였다. 경계 Dice 보조항과 SE 결합은 추가 개선을 보이지 않았다. 결과는 개별 요소의 순수 기여도가 아닌 greedy selection 경로의 조건부 변화로 해석해야 한다.

목차

요약
Abstract
1. 서론
2. 관련 연구
2.1 CNN 및 현대화된 ConvNet
2.2 Transformer 기반 접근
2.3 경계 기반 손실
3. 연구 방법
3.1 데이터와 전처리
3.2 CXU-Net 구조
3.3 Attention Gate와 손실 함수
3.4 단계별 실험 설계
4. 결과
4.1 인코더 선택
4.2 선택 경로의 단계별 변화
4.3 대안 설정
4.4 최종 5-fold 성능
5. 논의
5.1 연구의 한계
6. 결론
Acknowledgement
참고문헌

키워드

저자

• 김현무 [ Hyenmoo Kim | 호서대학교 컴퓨터공학과 ]
• 하동호 [ Dongho Ha | 호서대학교 컴퓨터공학과 ]
• 이호웅 [ Howoong Lee | 호서대학교 컴퓨터공학과 ] 교신저자

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  한국차세대컴퓨팅학회 논문지 [THE JOURNAL OF KOREAN INSTITUTE OF NEXT GENERATION COMPUTING]

• 간기

  격월간

• pISSN

  1975-681X

• 수록기간

  2005~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 566 DDC 004