FANet: 개선된 생물의학 이미지 세그멘테이션을 위한 피드백 어텐션 네트워크

가용한 대규모 임상 및 실험 데이터셋의 증가로 생물의학 영상 분석 분야에서 중요한 기여가 이루어지고 있다. 양적 분석을 위한 핵심 요소인 영상 세분화는 특히 주목받고 있다. 최근 하드웨어 기술의 발전은 딥러닝 접근법의 성공을 이끌었다. 그러나 딥러닝 모델이 대규모 데이터셋에서 학습되고 있음에도 불구하고, 기존 방법들은 다양한 학습 에포크에서 얻은 정보를 효과적으로 활용하지 못하고 있다. 본 연구에서는 각 학습 에포크의 정보를 활용하여 다음 에포크의 예측 맵을 정제하는 방식을 제안한다. 우리는 이전 에포크의 마스크를 현재 학습 에포크의 특징 맵과 통합하는 새로운 아키텍처인 피드백 주의망(Feedback Attention Network, FANet)을 제안한다. 이전 에포크의 마스크는 다양한 합성곱 층에서 학습된 특징 맵에 하드 주의(Hard Attention)를 제공하는 데 사용된다. 또한, 테스트 시점에서 반복적인 방식으로 예측을 보정할 수 있도록 하여, 모델의 정확도를 지속적으로 향상시킬 수 있다. 제안하는 \textit{피드백 주의} 모델이 공개된 7개 생물의학 영상 데이터셋에서 평가된 대부분의 세분화 지표에서 상당한 성능 향상을 보여주며, FANet의 효과성을 입증한다. 소스 코드는 \url{https://github.com/nikhilroxtomar/FANet}에서 공개되어 있다.