CE-Net: 2D 의료 이미지 분할을 위한 컨텍스트 인코더 네트워크

의료 이미지 분할은 의료 이미지 분석에서 중요한 단계입니다. 이미지 처리 분야에서 합성곱 신경망의 급속한 발전에 따라, 딥 러닝이 시신경절 분할, 혈관 검출, 폐 분할, 세포 분할 등과 같은 의료 이미지 분할에 활용되고 있습니다. 과거에는 U-Net 기반 접근법들이 제안되었습니다. 그러나 연속적인 풀링 및 스트라이드 합성곱 연산은 일부 공간 정보를 잃게 만듭니다. 본 논문에서는 2D 의료 이미지 분할을 위해 더 많은 고차원 정보를 포착하고 공간 정보를 보존하기 위한 컨텍스트 인코더 네트워크(CE-Net)를 제안합니다. CE-Net는 주로 세 가지 주요 구성 요소로 이루어져 있습니다: 특징 인코더 모듈, 컨텍스트 추출기, 그리고 특징 디코더 모듈입니다. 우리는 사전 훈련된 ResNet 블록을 고정된 특징 추출기로 사용합니다. 컨텍스트 추출기 모듈은 새로 제안된 밀집형 다공 합성곱(DAC) 블록과 잔여 다중 커널 풀링(RMP) 블록으로 구성됩니다. 제안된 CE-Net를 다양한 2D 의료 이미지 분할 작업에 적용하였습니다. 종합적인 결과는 제안된 방법이 시신경절 분할, 혈관 검출, 폐 분할, 세포 윤곽 분할 및 망막 광학 코히런스 단층 촬영(OCT) 층 분할에서 원래 U-Net 방법과 다른 최신 방법들을 능가함을 보여줍니다.