무엇을 지킬지보다 어디를 열지 — 망각을 가른 건 네트워크 깊이였다

임상 현장에서는 데이터를 한 번에 모을 수 없고, 모달리티·해부구조·어노테이션 프로토콜이 제각각인 데이터셋이 순차로 들어옵니다. 연구진은 부인과 영상 분할 모델을 지속학습 환경에 두고 encoder-decoder를 블록별로 절제하며 망각이 어디서 생기는지 분해했습니다. bottleneck 인접 구간만 업데이트하면 이전 태스크 성능이 대부분 보존된 반면, 얕은 층까지 학습 가능하게 열면 갱신 파라미터가 소수여도 망각이 급격히 늘었습니다.