Attention U-Net: 췌장 위치 학습

우리는 다양한 형태와 크기의 대상 구조에 자동으로 초점을 맞추는 새로운 주의 게이트(Attention Gate, AG) 모델을 제안합니다. AG로 훈련된 모델은 입력 이미지에서 관련 없는 영역을 암묵적으로 억제하면서 특정 작업에 유용한 중요한 특성을 강조하는 방법을 학습합니다. 이는 캐스케이드 컨볼루션 신경망(Cascaded Convolutional Neural Networks, CNNs)의 명시적인 외부 조직/기관 위치화 모듈을 사용할 필요성을 제거할 수 있게 합니다. AG는 U-Net 모델과 같은 표준 CNN 아키텍처에 최소한의 계산 부하를 추가하면서도 모델의 감도와 예측 정확도를 높이는 방식으로 쉽게 통합될 수 있습니다. 제안된 Attention U-Net 아키텍처는 두 개의 큰 복부 CT 데이터셋에서 다중 클래스 이미지 분할을 위해 평가되었습니다. 실험 결과는 AG가 서로 다른 데이터셋과 훈련 크기에서 U-Net의 예측 성능을 일관되게 개선하면서 계산 효율성을 유지함을 보여줍니다. 제안된 아키텍처의 코드는 공개적으로 이용 가능합니다.