연구진은 의료 영상 분류를 위한 새로운 자기 지도 학습 프레임워크 Chaos-SSL을 제안했어요. Chaos-SSL은 로지스틱, 텐트, 사인 등 1차원 혼돈 지도를 활용해 복잡한 비선형 증강을 수행하여 미세한 의료 조직의 특징을 학습하도록 설계됐어요.
ISIC 2018(피부 병변)과 APTOS 2019(당뇨병성 망막병증) 데이터셋에서 검증 결과, 30 에폭 동안 텐트 지도로 사전 학습한 Chaos-SSL 모델은 기존 자기 지도 학습 방법보다 높은 정확도(ISIC 2018: 0.9261, APTOS 2019: 0.8726)를 달성했어요.
Chaos-SSL은 ImageNet으로 사전 학습된 모델의 일반적인 특징과 혼돈 지도로 학습된 전문적인 특징을 동적으로 결합하는 어텐션 기반 융합 모델을 사용해요.
연구 결과는 복잡한 의료 조직의 특징을 학습하는 자기 지도 학습 방법의 가능성을 보여주며, 향후 의료 영상 분석 분야에 기여할 것으로 기대돼요.