의료 영상 분할을 위한 다중 스케일 차분 네트워크

정확한 의료 영상 분할은 조기 진단에 필수적이다. 기존 U-형 구조 기반 방법들은 디코더에서 서로 다른 레벨의 특징을 융합할 때 요소별 덧셈이나 연결을 사용하지만, 이는 불필요한 정보를 생성하여 특징 간의 상호보완성을 약화시키고 병변의 부정확한 위치 파악 및 경계 흐림을 초래한다. 이러한 문제를 해결하기 위해, 본 연구는 의료 영상 분할을 위한 다중 스케일 차분 네트워크(M2SNet)를 제안한다. 인코더에서 인접 레벨 간의 차이 특징을 생성하는 기본 차분 유닛(SU)을 설계하고, 이를 확장하여 픽셀 및 구조 수준의 차이 정보를 제공하는 계층 내 다중 스케일 SU를 개발했다. 또한, 다양한 수용장을 가진 다중 스케일 SU를 피라미드 형태로 배치하여 계층 간 다중 스케일 특징 집계를 달성하고 풍부한 차이 정보를 얻는다. 추가적으로, 학습이 필요 없는 LossNet을 구축하여 하위 계층부터 상위 계층까지 작업 인지 특징을 종합적으로 감독함으로써, 상세하고 구조적인 단서를 동시에 포착하도록 유도한다. 제안된 M2SNet은 컬러 대장 내시경, 초음파, CT, OCT 등 다양한 영상 양식의 4가지 의료 영상 분할 작업에 대한 11개 데이터셋에서 대부분의 최신 방법론보다 우수한 성능을 보였다. 이는 본 방법론이 다양한 의료 영상 분할 과제에서 효과적임을 입증한다. 본 연구는 의료 영상 분할의 정확도를 향상시키는 새로운 접근 방식을 제시하며, 특히 병변의 정밀한 위치 파악과 경계 분할에 기여할 수 있다. 제안된 네트워크는 다양한 의료 진단 분야에 활용될 잠재력을 가진다.