NeoUNet: 정확한 대장 폴립 세그멘테이션 및 신생물 탐지로 나아가기

자동 폴립 세그멘테이션은 내시경 검사 과정에서 매우 유용한 도구로 입증되었으며, 내시경 전문의가 선종을 탐지하는 데 놓치는 경우를 줄이고 검사 효율성을 높이는 데 기여하고 있다. 그러나 폴립을 악성종양 여부로 분류하고 픽셀 단위로 세그멘테이션하는 작업은 시간이 제한된 상황에서 의사가 수행하기에 여전히 도전적인 과제이다. 본 연구에서는 폴립 세그멘테이션 문제에 대해 세밀한 정의를 제안한다. 제안하는 접근법은 폴립 영역을 세그멘테이션하는 것을 넘어서, 악성 종양으로 발전할 가능성이 높은 폴립을 고정밀도로 식별하는 것을 목표로 한다. 또한, 이 문제를 해결하기 위해 NeoUNet이라는 UNet 기반의 신경망 아키텍처와 하이브리드 손실 함수를 제안한다. 실험 결과, 제안한 NeoUNet은 기존 폴립 세그멘테이션 모델들과 비교하여 벤치마크 데이터셋에서 매우 경쟁력 있는 성능을 보였다.