MVP-Net: 위치 인식 주의력을 사용한 다중 뷰 FPN을 활용한 심층 보편적 병변 탐지

컴퓨터 단층 촬영(CT) 이미지에서의 보편적 병변 검출(Universal Lesion Detection, ULD)은 중요한 문제이지만 아직 충분히 개발되지 않았습니다. 최근에는 ULD를 위해 심층 학습 기반 접근법이 제안되었으며, 주석화된 CT 데이터에서 대표적인 특징을 학습하는 것을 목표로 하고 있습니다. 그러나 심층 학습 모델의 데이터 요구와 의학 주석의 부족은 이러한 접근법들이 더 발전하는 것을 방해하고 있습니다. 본 논문에서는 보편적 병변 검출기의 모델 설계에 임상 실무에서의 영역 지식을 통합하는 방법을 제안합니다. 구체적으로, 방사선과 의사들이 정확한 진단을 위해 여러 창을 점검하는 경향이 있다는 점에 착안하여, 이 과정을 명시적으로 모델링하고 다양한 창 폭과 창 레벨로 렌더링된 이미지에서 다중 시점 특징을 추출하는 다중 시점 피라미드 네트워크(Multi-View Feature Pyramid Network, FPN)를 제안합니다. 다중 시점 정보를 효과적으로 결합하기 위해 위치 인식 주의 모듈(Position-Aware Attention Module)도 추가로 제안합니다.제안된 모델 설계를 통해 임상 실무에서 유래한 적절한 사전 지식으로 학습 작업이 용이해져 데이터 요구 문제가 완화됩니다. NIH DeepLesion 데이터셋에서 이전 최신 연구보다 [email protected]의 감도에서 5.65% 절대적인 향상을 보이는 유망한 결과를 얻었습니다.