CIA-Net: 윤곽 인식 정보 집약을 이용한 강건한 세포핵 인스턴스 분할

핵의 정확한 분할은 세포 추정 및 진단과 치료를 위한 풍부한 특징을 추출하기 위한 컴퓨터 보조 이미지 분석에서 중요한 단계입니다. 그러나 다양한 기관 간에 큰 형태학적 차이와 핵 클러스터의 광범위한 존재로 인해 핵 인스턴스 분할은 과분할 또는 저분할에 취약합니다. 또한, 주관적인 주석과 잘못된 라벨링은 불가피하게 네트워크가 신뢰할 수 있는 샘플로부터 학습하는 것을 방해하여, 미확인 기관 핵을 견고하게 분할하는 일반화 능력을 최종적으로 감소시킵니다. 이러한 문제들을 해결하기 위해, 우리는 두 개의 태스크별 디코더 사이에서 다중 수준 정보 집합 모듈을 갖춘 새로운 딥 뉴럴 네트워크인 Contour-aware Informative Aggregation Network (CIA-Net)을 제안합니다. 독립적인 디코더 대신, 이 네트워크는 핵과 윤곽 간의 공간적 및 질감 의존성을 양방향으로 집합하여 그 장점을 활용합니다. 또한, 우리는 아웃라이어로부터의 교란을 줄이기 위해 손실을 조절하는 새로운 부드러운 절단 손실 함수를 제안하였습니다. 결과적으로, 네트워크는 신뢰성 있고 유익한 샘플로부터 학습에 집중할 수 있어 일반화 능력이 내재적으로 향상됩니다. 2018년 MICCAI 챌린지의 Multi-Organ-Nuclei-Segmentation 실험에서 우리 제안 방법의 효과성이 검증되었으며, 35개의 경쟁팀을 크게 앞섰습니다.