경계 인식형 Transformer를 이용한 피부 병변 세그멘테이션

피부 병변의 피부경화 영상에서의 세분화는 피부암에 대한 정량적 분석을 향상시키는 데 있어 매우 중요한 과제이다. 그러나 멜라노마의 크기 및 형태 변화가 크고 병변 영역의 경계가 모호하기 때문에 자동 세분화는 여전히 매우 도전적인 과제이다. 기존의 합성곱 신경망(Convolutional Neural Networks, CNNs)은 이 분야에서 뛰어난 성과를 거두었으나, 제한된 수용 영역(receptive field)으로 인한 유도 편향(inductive bias)을 보완하기 위해 전역적 의존성을 효과적으로 포착하지 못하는 한계를 가지고 있다. 최근에는 강력한 전역적 주의 메커니즘(global attention mechanism)을 활용하여 전역적 맥락 모델링에 유망한 도구로 트랜스포머(Transformer)가 제안되었으나, 세분화 과제에 적용할 경우 모호한 경계를 해결하기 위해 충분한 국소적 세부 정보를 효과적으로 추출하지 못한다는 주요 단점이 존재한다. 본 연구에서는 자동 피부 병변 세분화의 도전 과제를 종합적으로 해결하기 위해 새로운 경계 인식형 트랜스포머(Boundary-aware Transformer, BAT)를 제안한다. 구체적으로, 트랜스포머에 새로운 경계 기반 주의 게이트(Boundary-wise Attention Gate, BAG)를 통합함으로써, 전체 네트워크가 트랜스포머를 통해 전역적 장거리 의존성을 효과적으로 모델링할 뿐만 아니라, 경계 기반 사전 지식을 극대화하여 보다 많은 국소적 세부 정보를 동시에 추출할 수 있도록 한다. 특히 BAG의 보조적 감독은 위치 임베딩을 학습하는 데 도움을 주며, 이는 풍부한 공간 정보를 제공하기 때문이다. 제안한 BAT의 성능을 평가하기 위해 광범위한 실험을 수행하였으며, 두 가지 유명한 데이터셋에서 기존 최고 수준의 방법들을 지속적으로 상회함을 확인하였다.