초음파 영상에서 유방 종양 세그멘테이션을 위한 주의 집중 강화 딥러닝 모델

유방 종양 진단에 인간의 도메인 지식을 통합하는 것은 형태, 경계, 곡률, 강도 또는 기타 일반적인 의학적 사전 지식이 환자 간에 크게 달라져 일관된 적용이 어려우므로 도전적이다. 본 연구는 초음파 영상에서 유방 종양 세그멘테이션을 위한 딥러닝 모델에 시각적 주목성(visual saliency)을 통합하는 새로운 접근법을 제안한다. 시각적 주목성은 영상 내에서 방사선의학자가 더 주목할 가능성이 높은 영역을 포함하는 이미지 맵을 의미한다. 제안된 방법은 U-Net 아키텍처에 주목성 블록(attention blocks)을 도입하여, 높은 주목성 수준을 가진 공간 영역을 우선적으로 학습하는 특징 표현을 추출한다. 검증 결과, 주목성 주의 레이어를 포함하지 않은 모델에 비해 종양 세그멘테이션 정확도가 향상됨을 확인하였다. 510개의 이미지로 구성된 데이터셋에서 본 방법은 딱스 유사도 계수(Dice similarity coefficient) 90.5%를 달성하였다. 이 주목성 주의 모델은 특정 작업 지식을 딥러닝 아키텍처에 통합할 수 있는 수단을 제공하므로, 다른 장기의 의료 영상 처리에서 정확도와 견고성을 향상시키는 데도 잠재적 활용 가능성이 있다.