망막 혈관 세그멘테이션을 위한 데이터 증강의 한계 탐색

망막 혈관 분할은 다양한 질병의 진단에 있어 중요한 역할을 한다. 기존의 망막 혈관 분할 연구는 주로 U-Net 아키텍처를 기반으로 한 분할 모델의 성능 향상에 초점을 두고 있다. 본 연구에서는 U-Net 아키텍처를 사용하며, 더 나은 성능을 달성하기 위해 강력한 데이터 증강 기법에 의존한다. 데이터 증강 기법의 성공은 입력 이미지 문제를 효과적으로 해결하는 데 달려 있다. 입력 이미지를 분석하고 이를 바탕으로 적절한 증강을 수행함으로써, U-Net 모델의 성능이 크게 향상됨을 보여준다. 실험 결과는 가장 널리 사용되는 망막 데이터셋인 DRIVE를 이용하여 보고하였다.