내시경 수술에서 실시간 수술 기구 세그멘테이션을 위한 딥러닝 기법 탐색

최소 침습 수술은 복강 내 장기를 검사하기 위해 사용되는 수술적 개입으로, 개방 수술에 비해 효과성이 뛰어나 널리 사용되고 있다. 고해상도 카메라와 같은 하드웨어 개선으로 인해 이 수술 방법은 크게 향상되었으며, 컴퓨터 보조 수술을 위한 새로운 소프트웨어 기법들도 잠재력을 보여주고 있다. 그러나 이러한 수술 과정에서 수술 기구의 위치를 정확히 탐지하고 추적하기 위한 도전 과제와 요구 사항이 여전히 존재한다. 이러한 문제 해결을 위해, 복강경 수술에서 수술 기구의 자동 세그멘테이션을 위한 가능성을 탐색할 수 있는 주요 딥러닝 기법들을 평가하고 비교하였다. 이는 기구 추적을 위한 중요한 단계이다. 실험 결과, 이중 디코더 주의망(Dual Decoder Attention Network, DDANet)이 다른 최신 딥러닝 기법들에 비해 우수한 성능을 보였다. DDANet는 2019년 로버스트 의료 기구 세그멘테이션(ROBUST-MIS) 챌린지 데이터셋에서 디스크 계수(Dice coefficient) 0.8739와 평균 교차율-합집합(mean intersection-over-union) 0.8183의 성능을 기록하였으며, 실시간 처리 속도로 초당 101.36프레임을 달성하여 이러한 수술 절차에 있어 매우 중요한 실시간 성능을 확보하였다.