연구진은 의료 영상 분할 시 발생하는 클래스 불균형 문제를 해결하기 위해 few-shot learning의 에피소드 샘플링 기법을 적용했어요. 에피소드 샘플링은 클래스 균형을 맞춘 배치 구성을 촉진하며, CT 신체 구성 분할에서 무작위 샘플링 및 가중치 샘플링과 비교되었어요. 데이터가 부족한 환경에서 에피소드 샘플링은 무작위 및 가중치 샘플링보다 성능이 우수했으며, 훈련 반복 횟수 차이가 12배까지 나타났어요.