연구진이 단일 스택 LGE-CMR 이미지에서 심근 흉터 분할을 위한 신뢰도 기반 3D 잠재 컨텍스트 커리큘럼 학습 프레임워크인 CalcSeg을 개발했어요.
CalcSeg은 학습 난이도를 자동으로 평가하기 위해 예측된 흉터 맵 오류, 불확실성, 흉터 부담을 통합하는 신뢰도 기반 점수 함수를 활용하는 동적 커리큘럼 학습 전략을 사용해요.
실험 결과, CalcSeg은 기존 방법보다 우수한 성능을 보였으며, 특히 임상적으로 어려운 사례에서 상당한 개선을 보여줬고, GitHub에서 코드를 공개했어요.