SA-UNet: 망막 혈관 분할을 위한 공간 주의 U-Net

망막 혈관의 정밀한 세분화는 당뇨병 및 고혈압과 같은 안과 질환의 조기 진단에 매우 중요한 의미를 가진다. 본 연구에서는 수천 개의 레이블링된 학습 샘플이 필요하지 않으며, 데이터 증강 방식으로 활용함으로써 존재하는 레이블링된 샘플을 보다 효율적으로 사용할 수 있는 경량 네트워크인 공간 주의 U-Net(Spatial Attention U-Net, SA-UNet)을 제안한다. SA-UNet은 공간 차원을 따라 주의 맵(attention map)을 추론하고, 이를 입력 특징 맵과 곱함으로써 적응형 특징 개선을 수행하는 공간 주의 모듈을 도입한다. 또한, 기존 U-Net의 원래 합성곱 블록 대신 구조화된 드롭아웃 합성곱 블록을 사용하여 네트워크의 과적합(overfitting)을 방지한다. 제안된 네트워크는 두 가지 기준 망막 데이터셋인 혈관 추출(DRIVE) 데이터셋과 아동 심장 및 건강 연구(CHASE_DB1) 데이터셋을 기반으로 평가되었다. 실험 결과, SA-UNet은 두 데이터셋 모두에서 최신 기술 수준(SOTA, state-of-the-art)의 성능을 달성하였다. 구현 코드 및 학습된 모델은 GitHub1에 공개되어 있다.