연구진은 경동맥 영상 분석 및 위험 예측을 위한 CUBS 호환 모델 AtheroFlow-XNet을 개발했습니다. 이 모델은 경동맥 내막-중막 경계 분할과 위험 예측을 동시에 수행하며, 불확실성을 고려한 추론을 가능하게 합니다.
Carotid Ultrasound Boundary Study (CUBS) 데이터셋을 활용하여 수동으로 그린 경계선을 기반으로 밀집 내막-중막 마스크를 생성하고, 임상 변수를 통합하여 위험 예측 기능을 추가했습니다.
개발된 모델은 Dice 계수가 0.7930, segmentation loss가 0.2359, ROC 곡선 아래 면적이 0.6910으로, 경동맥 영상 분석 및 위험 예측에 잠재력을 보였습니다.