U-Net with Hierarchical Bottleneck Attention for Landmark Detection in Fundus Images of the Degenerated Retina 退행성 망막의 안저 영상에서 랜드마크 검출을 위한 계층적 병목 주의 메커니즘을 적용한 U-Net

망막 사진 촬영은 임상에서 노인성 황반변성(AMD), 청광체증후군(글라우코마), 당뇨병성 망막증(DR)과 같은 망막 퇴행성 질환의 존재와 심각성을 기록하는 데 일반적으로 사용되어 왔습니다. 이 경우 황반부와 시신경두개(Optic Disc, OD)는 중요한 망막 랜드마크입니다. 그러나 망막 퇴행 과정에서 병변, 드루젠, 기타 망막 이상이 발생하여 자동 랜드마크 검출 및 분할을 크게 복잡하게 만듭니다. 본 연구에서는 계층적 병목 주의 메커니즘(Hierarchical Bottleneck Attention)으로 강화된 U-Net 백본을 제안합니다. 이 네트워크는 새로운 병목 주의 블록을 포함하며, 이 블록은 자기 주의(self-attention), 채널 주의(channel attention), 상대 위치 주의(relative-position attention)를 결합하고 정제하여 퇴행된 망막에서 황반부와 OD 분할에 중요한 역할을 할 수 있는 망막 이상을 강조합니다.HBA-U-Net은 다양한 데이터셋과 안 상태에서 황반부 검출 성능이 최고 수준을 달성했습니다(ADAM: 유클리드 거리(Euclidean Distance, ED) 25.4 픽셀, REFUGE: 32.5 픽셀, IDRiD: 32.1 픽셀). 또한 AMD에 대한 OD 분할(ADAM: 디스 유사계수(Dice Coefficient, DC) 0.947)과 DR에 대한 OD 검출(IDRiD: 유클리드 거리 20.5 픽셀)에서도 최고 수준의 결과를 보였습니다. 우리의 결과는 HBA-U-Net이 다양한 망막 퇴행성 질환이 존재하는 상황에서 랜드마크 검출에 적합할 수 있음을 시사합니다.