DEMF-Net: 용종 분할을 위한 이중 인코더 다중 스케일 특징 융합 네트워크

대장암은 위장관의 흔한 악성 종양입니다. 연구에 따르면 대장 내시경 검사는 대장 용종을 발견하고 이를 제거하여 대장암의 발전을 방지하는 효과적인 선별 방법이 될 수 있습니다. 본 연구에서는 이중 인코더 다중 스케일 특징 융합 네트워크(Decision Data Fusion Network, DEMF-Net)라는 새로운 접근 방식을 제안합니다. 이 접근 방식은 이중 스케일 스윈 변환기와 CNN을 인코더로 사용하여 서로 다른 스케일에서 의미 있는 특징을 추출합니다. 불규칙 용종의 경계 특성을 향상시키고 용종 탐지율을 개선하기 위해, 우리는 주의 메커니즘을 통해 다양한 형태의 대상 특징을 캡처하고 높은 기여도를 가진 특징 채널에 더 높은 가중치를 부여하는 이중 가지 주의 융합 모듈(DAF)을 제안합니다. 또한, 고급 특징 융합 모듈(AFFM)을 사용하여 장거리 의존성을 설정하고 대상 영역을 강화하여 용종의 고차원 의미론적 특징이 손실되지 않도록 합니다. 우리는 또한 불규칙한 형태와 불명확한 경계를 가진 대장 용종 이미지를 위해 구조와 세부 사항을 캡처하고 모델 정확도를 향상시키기 위해 특징화 보조 블록(CSB)을 제안합니다. 우리는 다섯 개의 널리 사용되는 용종 데이터 세트에서 실험을 수행했고, 우리의 방법이 분할 정확성과 경계 세부 사항 모두에서 우수한 결과를 달성했다는 것을 보여주었습니다.