PraNet: Polyp Segmentation을 위한 Parallel Reverse Attention Network

대장내시경은 대장폴립을 감지하는 효과적인 기술로, 이는 대장암과 밀접한 관련이 있습니다. 임상에서 대장내시경 이미지에서 폴립을 분할하는 것은 진단과 수술에 귀중한 정보를 제공하기 때문에 매우 중요합니다. 그러나 정확한 폴립 분할은 두 가지 주요 이유로 어려운 작업입니다: (i) 동일한 유형의 폴립도 크기, 색상, 질감이 다양하며; (ii) 폴립과 주변 점막 사이의 경계가 명확하지 않기 때문입니다. 이러한 도전 과제를 해결하기 위해, 우리는 정확한 대장내시경 이미지 폴립 분할을 위한 병렬 역주목 네트워크 (PraNet)를 제안합니다. 구체적으로, 먼저 고차 계층의 특징들을 병렬 부분 디코더 (Parallel Partial Decoder, PPD)를 사용하여 집합합니다. 이 결합된 특징을 바탕으로, 후속 구성 요소들의 초기 안내 영역으로 사용될 전역 맵을 생성합니다. 또한, 역주목 (Reverse Attention, RA) 모듈을 사용하여 경계 신호를 추출하는데, 이 모듈은 영역과 경계 신호 간의 관계를 설정할 수 있습니다. 영역과 경계 간의 반복 협력 메커니즘 덕분에, 우리의 PraNet은 어떠한 잘못된 예측도 교정할 수 있으며, 분할 정확도를 향상시키는 데 기여합니다. 다섯 개의 어려운 데이터셋에서 여섯 가지 지표로 이루어진 정량적 및 정성적 평가 결과는 우리의 PraNet이 분할 정확도를 크게 향상시키며, 일반화 능력과 실시간 분할 효율성 측면에서 여러 장점을 보임을 입증하였습니다.