3D AGSE-VNet: 자동 뇌 종양 MRI 데이터 세그멘테이션 프레임워크

배경: 신경아교세포종은 가장 흔한 뇌부종 악성 종양으로, 높은 발병률과 3% 이상의 사망률을 보이며 인간의 건강에 심각한 위협을 가하고 있다. 임상에서 뇌 종양을 확보하는 주요 방법은 MRI이다. 다중 모달리티 MRI 촬영 이미지에서 뇌 종양 부위를 세분화하는 것은 치료 검토, 후진단 모니터링 및 치료 효과 평가에 유용하다. 그러나 현재 임상에서 일반적으로 사용되는 뇌 종양 세분화 방식은 여전히 수동적 세분화이며, 이는 시간이 오래 걸리고 다양한 운영자 간 성능 차이가 크다는 문제를 야기한다. 따라서 일관성 있고 정확한 자동 세분화 방법의 도입이 시급하다. 방법: 위의 도전 과제를 해결하기 위해, 본 연구에서는 AGSE-VNet이라는 자동 뇌 종양 MRI 데이터 세분화 프레임워크를 제안한다. 본 연구에서 각 인코더에 Squeeze and Excite(SE) 모듈을 추가하고, 각 디코더에 Attention Guide Filter(AG) 모듈을 도입하여 채널 간 상관관계를 활용하여 유용한 정보를 자동으로 강화하고 불필요한 정보를 억제하며, 주의 메커니즘을 통해 윤곽 정보를 안내하고 노이즈와 같은 무관한 정보의 영향을 제거한다. 결과: 제안한 방법은 BraTS2020 챌린지의 온라인 검증 도구를 이용하여 평가되었다. 검증의 초점은 전반적인 종양(WT), 종양 핵심(CT), 강화된 종양(ET)에 대한 Dice 점수로, 각각 0.68, 0.85, 0.70을 기록하였다. 결론: MRI 이미지는 다양한 강도를 보이지만, AGSE-VNet은 종양의 크기에 영향을 받지 않고, 세 가지 영역의 특징을 더 정확하게 추출할 수 있었다. 본 연구는 뇌 종양 환자의 임상 진단 및 치료에 놀라운 성과를 거두며 중요한 기여를 하였다.