V-Net: 볼륨 의료 이미지 분할을 위한 완전 컨볼루션 신경망

최근 컨볼루션 신경망(CNNs)은 컴퓨터 비전과 의료 이미지 분석 분야의 문제 해결에 활용되고 있습니다. 그러나 이들의 인기에도 불구하고, 대부분의 접근 방식은 2D 이미지만 처리할 수 있으며, 임상 실무에서 사용되는 대부분의 의료 데이터는 3D 볼륨으로 구성되어 있습니다. 본 연구에서는 볼륨 기반 완전 컨볼루션 신경망을 이용한 3D 이미지 세그멘테이션 방법을 제안합니다. 제안된 CNN은 전립선을 나타내는 MRI 볼륨에 대해 엔드투엔드로 훈련되며, 전체 볼륨에 대한 세그멘테이션을 한 번에 예측하도록 학습됩니다. 우리는 훈련 중 최적화하는 새로운 목적 함수를 도입하였습니다. 이 목적 함수는 Dice 계수(Dice coefficient)를 기반으로 하여, 전경 및 배경 픽셀 간의 극심한 불균형을 다룰 수 있도록 설계되었습니다. 훈련용으로 주어진 주석된 볼륨의 수가 제한적이므로, 랜덤 비선형 변환과 히스토그램 매칭을 적용하여 데이터를 증강시켰습니다. 실험 평가를 통해 제안된 접근 방식이 도전적인 테스트 데이터에서 우수한 성능을 보이며, 이전 방법들보다 훨씬 적은 처리 시간만 필요함을 확인하였습니다.