ET-Net: 의료 이미지 세그멘테이션을 위한 일반적인 엣지 주의 지도 네트워크

분할은 의료 이미지 분석에서 기본적인 작업입니다. 그러나 대부분의 기존 방법은 주요 영역 추출에 초점을 맞추고 경계 정보를 무시하는데, 이는 정확한 분할을 얻는 데 유용합니다. 본 논문에서는 경계-주의 표현을 내장하여 분할 네트워크를 안내하는 일반적인 의료 분할 방법인 Edge-aTtention guidance Network (ET-Net)을 제안합니다. 구체적으로, 초기 인코딩 레이어에서 경계-주의 표현을 학습하기 위해 경계 안내 모듈이 사용되며, 이를 다중 스케일 디코딩 레이어로 전달하여 가중 집합 모듈을 통해 융합합니다. 4개의 분할 작업(즉, 망막 이미지에서 시디스크/컵 및 혈관 분할, 그리고 흉부 X선 및 CT 이미지에서 폐 분할)에 대한 실험 결과는 경계-주의 표현을 보존함으로써 최종 분할 정확도에 기여하며, 제안된 방법이 현재 최신의 분할 방법들을 능가함을 입증하였습니다. 본 방법의 소스 코드는 https://github.com/ZzzJzzZ/ETNet 에서 제공됩니다.