UNet++: 의료 이미지 세그멘테이션을 위한 중첩 U-Net 아키텍처

본 논문에서는 의료 이미지 분할을 위한 새로운, 더 강력한 구조인 UNet++를 제시합니다. 우리의 구조는 인코더와 디코더 하위 네트워크가 중첩된, 밀집된 스킵 경로를 통해 연결되는 깊게 감독된 인코더-디코더 네트워크입니다. 재설계된 스킵 경로는 인코더와 디코더 하위 네트워크의 특징 맵 간의 의미적 차이를 줄이는 것을 목표로 합니다. 우리는 디코더와 인코더 네트워크의 특징 맵이 의미적으로 유사할 때 최적화기가 더 쉬운 학습 과제를 처리할 것이라고 주장합니다. 우리는 UNet++를 U-Net 및 광범위 U-Net 구조와 비교하여 여러 의료 이미지 분할 작업에서 평가했습니다: 흉부 저선량 CT 스캔에서 결절 분할, 현미경 이미지에서 핵 분할, 복부 CT 스캔에서 간 분할, 그리고 대장 내시경 영상에서 폴립 분할입니다. 실험 결과 UNet++가 깊은 감독 아래에서 U-Net과 광범위 U-Net에 비해 각각 평균 IoU(IoU: Intersection over Union) 점수에서 3.9점과 3.4점의 개선을 보였습니다.