허큘리스: 불확실성 정량화를 갖춘 의료 영상 분류를 위한 심층 계층적 주의 기반 다중 레벨 융합 모델

의료 영상(예: 분할, 탐지, 분류)의 자동화 및 정확한 분석은 현대 질병 진단 및 예후의 전제 조건입니다. 컴퓨터 보조 진단(CAD) 시스템은 다양한 질병의 정확하고 효과적인 탐지 및 적시 치료 결정을 가능하게 합니다. 지난 10년간 딥러닝(DL) 기반 CAD가 많은 의료 분야 응용에서 뛰어난 성능을 보이며 급성장했습니다. 의료 영상은 측정(확률적) 오류, 생리학적 변동성 및 제한된 의료 지식(인식적 오류) 등 여러 불확실성 원인으로 제한됩니다. 그러나 대부분 기존 DL 방법에서 불확실성 정량화(UQ)는 특히 의료 영상 분석에서 충분히 연구되지 않았습니다. 따라서 본 논문에서는 이 격차를 해소하기 위해 불확실성 인지 모듈을 포함한 단순하지만 새롭고 계층적인 주의 기반 다중 레벨 특징 융합 모델인 Hercules를 제안합니다. 이 방법은 여러 실제 의료 영상 분류 과제에서 시험되었습니다. 제안된 Hercules 모델은 두 개의 주요 특징 융합 블록으로 구성되며, 전자는 불확실성 정량화 모듈이 포함된 주의 기반 융합에 중점을 두고 후자는 원시 특징을 사용합니다. Hercules는 망막 OCT, 폐 CT, 흉부 X선 등 세 가지 의료 영상 데이터셋에서 평가되었으며, 각각 94.21%, 99.59%, 96.50%의 분류 정확도로 최첨단 의료 영상 분류 방법들을 능가하는 성능을 보였습니다.