연구진은 병변 가이드 ROI 딥러닝이 기존 방식 대비 정확도를 높이면서도 병변 분할에 필요한 어노테이션 부담을 줄일 수 있는지 확인했어요.
MMOTU 데이터셋(8개 클래스 분류)과 OUD 데이터셋(이진 분류)을 활용하여 글로벌 이미지 기반 딥러닝, 병변 가이드 ROI 기반 딥러닝, 병변 윤곽 기반 딥러닝, 윤곽 기반 Radiomics 등 4가지 전략을 비교했어요.
병변 가이드 ROI 전략이 가장 뛰어난 성능을 보였으며, MaxViT-Tiny 모델은 MMOTU에서 93.10% 정확도와 0.99 AUC, OUD에서 97.56% 정확도와 0.99 AUC를 기록했어요.