ㅁ 의미론적 분할/증강

ㅇ 정의:
의료 영상에서 이미지의 밝기를 조정하여 데이터 다양성을 확보하고, 모델이 다양한 조명 조건에서도 안정적으로 동작하도록 만드는 데이터 증강 기법.

ㅇ 특징:
– 픽셀 값에 일정한 상수나 비율을 더하거나 곱해 전체적인 밝기를 변화시킴.
– 원본 데이터의 구조적 정보(형태, 경계)는 유지되지만 명암 대비가 변함.
– 과도한 밝기 조정은 병변의 가시성을 떨어뜨릴 수 있음.

ㅇ 적합한 경우:
– 촬영 장비나 환경에 따라 조명이 달라질 수 있는 의료 영상 데이터셋.
– 밝기 차이에 민감한 병변 탐지 모델의 일반화 성능 향상 필요 시.

ㅇ 시험 함정:
– Brightness Adjustment는 이미지의 해상도나 크기를 변경하지 않음에도 이를 혼동하는 문제.
– Contrast Adjustment와 혼동하기 쉬움: Contrast는 픽셀 간 명암 대비를 조정하는 것이고, Brightness는 전체 밝기를 이동시키는 것.

ㅇ 시험 대비 “패턴 보기” 예시:
O: “Brightness Adjustment는 전체 픽셀 값에 일정 값을 더하거나 곱하여 밝기를 조정한다.”
X: “Brightness Adjustment는 이미지의 크기를 변경하여 밝기를 조정한다.”

ㅁ 추가 학습 내용

Brightness Adjustment는 데이터 증강 파이프라인에서 회전, 반전, 노이즈 추가 등 다른 변환과 함께 사용될 수 있다. 의료 영상의 경우 밝기 조정 시 픽셀 값이 범위를 초과하면 클리핑 처리가 필요하며, 이 과정에서 병변의 미세한 특징이 손실될 수 있다. 또한 밝기 조정은 GAN 기반 합성 데이터 생성 과정에서도 자주 활용되며, 학습 데이터와 검증 데이터 간의 분포 차이를 줄이는 데 기여할 수 있다.