대장내시경에서 딥러닝을 이용한 실시간 폴립 검출, 위치 결정 및 분할

컴퓨터 보조 검출, 위치 결정 및 분할 방법은 대장내시경 절차를 개선하는 데 도움이 될 수 있습니다. 많은 방법들이 자동으로 폴립을 검출하고 분할하기 위해 개발되었지만, 최신 기법들의 벤치마킹은 여전히 해결되지 않은 문제입니다. 이는 폴립 데이터셋에 적용할 수 있는 연구된 컴퓨터 비전 기법의 증가로 인해 발생합니다. 새로운 기법들의 벤치마킹은 자동 폴립 검출 및 분할 작업의 발전 방향을 제시하며, 커뮤니티에서 생성된 결과가 재현 가능하고 개발된 기법들 간의 공정한 비교를 제공한다는 점에서 중요합니다. 본 논문에서는 Kvasir-SEG라는 오픈 액세스 대장내시경 이미지 데이터셋을 사용하여 최근의 여러 최신 기법들을 평가하였습니다. 이 데이터셋은 폴립 검출, 위치 결정 및 분할에 대한 정확성과 속도를 모두 평가하는 데 사용되었습니다. 문헌상 대부분의 기법들이 정확성 측면에서 경쟁력을 보이고 있지만, 제안된 ColonSegNet은 0.8000의 평균 정밀도와 0.8100의 평균 IoU(Intersection over Union) 사이에서 더 나은 균형을 이루었으며, 검출 및 위치 결정 작업에서 초당 180 프레임의 가장 빠른 속도를 달성했습니다. 마찬가지로, 제안된 ColonSegNet은 분할 작업에서 0.8206의 경쟁력 있는 주사위 계수(Dice Coefficient)와 초당 182.38 프레임의 가장 높은 평균 속도를 달성했습니다. 다양한 최신 기법들과의 포괄적인 비교를 통해 본 연구는 잠재적으로 현재 임상 실무를 변화시키고 미검출률을 최소화할 수 있는 자동화된 실시간 폴립 식별 및 윤곽 추출을 위한 딥러닝 기법들의 벤치마킹 중요성을 밝혔습니다.