연구진이 지오데식 활성 윤곽 모델과 딥러닝을 결합한 GUMP-Net 알고리즘을 개발했어요. 이 알고리즘은 다중 클래스 골반 분할을 위해 설계됐어요.
GUMP-Net은 객체 감지, 엣지 감지, 반복 모듈의 세 가지 네트워크 모듈로 구성되며, 작은 학습 데이터 환경에서도 기존 방법보다 정확하고 일관된 분할 성능을 보여줘요.
골반 데이터셋 실험 결과, GUMP-Net은 복잡한 골절 감소를 위한 효율적인 분할 방법과 함께 딥러닝 분할에 대한 해석 가능한 기하학적 관점을 제공하는 것으로 나타났어요.