전체적으로 중첩된 합성곱 신경망의 공간적 집합화를 이용한 자동 췌장 위치 결정 및 분할

3D 방사선 스캔에서 정확하고 자동화된 장기 분할은 의학 이미지 분석에서 중요한 동시에 어려운 문제입니다. 특히 췌장은 형태와 부피 면에서 환자 간 매우 높은 해부학적 변이성을 보여줍니다. 본 논문에서는 3D 컴퓨터 단층 촬영(CT) 볼륨을 사용하여 두 단계로 구성된 접근 방식, 즉 췌장 위치 결정 및 분할을 통해 자동화 시스템을 제시합니다.첫 번째 단계에서는 전체 3D CT 스캔에서 췌장을 위치 결정하여, 더 세밀한 분할 단계를 위한 신뢰성 있는 경계 상자를 제공합니다. 우리는 효율적인 전방위 중첩 합성곱 네트워크(HNNs)의 응용을 기반으로 하는 완전한 딥러닝 접근 방식을 소개하며, 이는 세 개의 직교 축면, 즉 축상, 사경상, 그리고 관상면에 적용됩니다. 이렇게 얻어진 HNN 픽셀별 확률 맵은 풀링(pooling)을 통해 췌장의 3D 경계 상자를 신뢰성 있게 생성하는데 사용되며, 이를 통해 재현율(recall)이 최대화됩니다. 실험 결과, 우리가 제안한 위치 결정기가 기존의 비딥러닝 방법과 최근에 제안된 랜덤 포레스트 분류를 이용한 초픽셀 공간 집합 기반 혼합 접근 방식보다 우수함을 입증하였습니다.두 번째 단계인 분할 과정은 계산된 경계 상자 내에서 작동하며, 두 개의 추가적인 HNNs 구현을 통해 얻어진 깊게 학습된 장기 내부 및 경계 맵의 의미론적 중간 수준 힌트를 통합합니다. 이러한 두 가지 중간 수준 힌트를 결합함으로써 우리의 방법은 경계를 유지하는 픽셀별 클래스 라벨 맵을 생성할 수 있으며, 이로 인해 최종적인 췌장 분할이 이루어집니다. 공개적으로 이용 가능한 82명 환자의 CT 스캔 데이터셋을 사용하여 4-폴드 크로스 밸리데이션(CV)으로 정량적 평가를 수행했습니다. 검증 결과, 우리는Dice 유사성 계수(DSC) 81.27±6.27%를 달성하였으며, 같은 데이터셋에서 DSC 71.80±10.70%와 78.01±8.20%를 보고한 기존 최신 방법들보다 크게 우수한 성능을 나타냈습니다.