자가 주의 깊은 심층 신경망을 이용한 흉부 X선에서의 자동 폐 세분화

의학 이미지에서 장기 또는 비정상 물체(예: 종양)의 경계를 정확하게 식별하는 것은 수술 계획 및 질병의 진단과 예후에 중요합니다. 본 연구에서는 흉부 X선에서 폐 영역을 세분화하기 위한 심층 학습 기반 방법을 제안합니다. 제안된 방법의 새로운 측면은 자가 주의 모듈로, 채널 및 공간 주의 모듈의 출력을 결합하여 주의 맵을 생성하며, 각 주의 맵은 학습 과정에서 무엇에 주의를 집중해야 하는지와 어디에 집중해야 하는지를 나타내는 기능 맵의 영역을 강조합니다. 그 후, 주의 맵은 입력 특성 맵과 요소별로 곱해지고 중간 결과는 잔여 학습을 위해 입력 특성 맵에 다시 추가됩니다. 공공 데이터 세트에서 수집된 X선 이미지를 훈련 및 평가에 사용하여, 우리는 제안된 주의 모듈을 U-Net에 적용하여 폐 영역을 세분화하고 기본 네트워크에서 주의 모듈의 위치를 변경하면서 실험을 수행했습니다. 실험 결과, 제안된 주의 모듈이 U-Net의 수축 경로와 확장 경로의 낮은 층에 배치되었을 때, 우리의 방법이 기존의 의학 이미지 세분화 네트워크보다 Dice 점수 측면에서 비슷하거나 더 나은 성능을 달성했다는 것을 보여주었습니다.