RV-GAN: 새로운 다중 스케일 생성적 적대 신경망을 이용한 안저 사진에서 망막 혈관 구조 분할

망막의 대혈관 및 소혈관 구조의 고정밀 세분화는 퇴행성 망막 질환을 진단하는 데 핵심적인 역할을 하지만, 여전히 매우 도전적인 문제로 남아 있다. 기존의 자동인코딩 기반 세분화 방법은 인코딩 단계에서 반복적으로 해상도 손실이 발생하고, 디코딩 단계에서 이러한 정보를 복원할 수 없기 때문에 망막 소혈관 구조를 정확히 추출하는 데 한계가 있다. 이를 해결하기 위해 본 연구에서는 정확한 망막 혈관 세분화를 위한 새로운 다중 스케일 생성형 아키텍처인 RV-GAN을 제안한다. 제안된 아키텍처는 소혈관의 정밀한 위치 추정과 세분화를 위해 두 개의 생성기(generator)와 두 개의 다중 스케일 자동인코딩 판별기(discriminator)를 활용한다. 기존 GAN 기반 세분화 시스템이 겪는 정밀도 손실 문제를 해결하기 위해, 새로운 가중치 특징 매칭 손실(Weighted Feature Matching Loss)을 도입하였다. 이 새로운 손실 함수는 판별기의 디코더에서 추출한 특징을 인코더보다 우선적으로 반영함으로써, 망막의 대혈관 및 소혈관 구조를 보다 잘 유지할 수 있도록 한다. 특히 판별기의 디코더가 픽셀 단위에서 실제 이미지와 가짜 이미지를 구분하려는 노력이 효과적으로 반영됨으로써, 구조적 정보의 손실을 최소화할 수 있다. 재구성 손실과 가중치 특징 매칭 손실을 결합한 본 아키텍처는 공개된 세 가지 데이터셋(DRIVE, CHASE-DB1, STARE)에 대해 픽셀 단위의 망막 혈관 세분화에서 각각 AUC(곡선 아래 면적) 0.9887, 0.9914, 0.9887의 성능을 달성하였다. 또한, 평균 교차율( Mean-IOU)과 구조적 유사도 측정(SSIM)이라는 두 가지 추가적인 관련 지표에서도 기존의 다른 아키텍처들을 모두 상회하는 우수한 성능을 보였다.