DUNet: 변형 가능한 망막 혈관 분할 네트워크

망막 혈관의 자동 분할은 당뇨병 및 고혈압과 같은 일부 질환의 진단에서 중요한 역할을 합니다. 본 논문에서는 망막 혈관 분할을 위해 U형 구조를 활용하여 망막 혈관의 국소 특징을 끝에서 끝까지 추출하는 Deformable U-Net (DUNet)을 제안합니다. 최근 도입된 변형 합성곱 네트워크(deformable convolutional networks)에서 영감을 얻어, 제안된 네트워크에 변형 합성곱(deformable convolution)을 통합하였습니다. DUNet은 업샘플링 연산자를 사용하여 출력 해상도를 증가시키며, 저수준 특징 맵과 고수준 특징 맵을 결합하여 문맥 정보를 추출하고 정확한 위치 결정을 가능하게 설계되었습니다. 또한, DUNet은 수용 필드(receptive fields)를 혈관의 크기와 모양에 따라 적응적으로 조정함으로써 다양한 형태와 크기의 망막 혈관을 포착합니다. 본 모델의 훈련 및 테스트에는 세 개의 공개 데이터셋인 DRIVE, STARE, CHASE_DB1이 사용되었습니다. 본 연구에서는 제안된 네트워크와 변형 신경망(deformable neural network), U-Net 간의 상세한 비교를 제공합니다. 결과는 DUNet이 더 상세한 혈관을 추출하며, DRIVE, STARE, CHASE_DB1 각각에서 전역 정확도 0.9697/0.9722/0.9724와 AUC 0.9856/0.9868/0.9863로 망막 혈관 분할에 있어 최고 수준의 성능을 보임을 나타냅니다. 또한, DUNet의 일반화 능력을 보여주기 위해 다른 두 개의 망막 혈관 데이터셋인 WIDE와 다양한 스타일로 구성된 합성 데이터셋인 SYNTHE를 사용하여 질적 및 양적 분석과 비교를 수행했습니다. 결과는 DUNet이 다른 최신 기술(state-of-the-arts)보다 우수함을 시사합니다.