GMSRF-Net: 다중 스케일 전역 잔차 융합 네트워크를 활용한 폴립 세그멘테이션을 위한 개선된 일반화 능력

내시경 검사는 금 standard 절차이지만, 검사자의 능력에 크게 의존하는 특징이 있다. 암 전구 질환인 폴립의 자동 탐지 및 분할을 통해 검출 누락률을 효과적으로 낮추기 위한 노력이 지속적으로 이루어져 왔다. 인코더-디코더 구조를 기반으로 한 널리 사용되는 컴퓨터 지원 폴립 분할 시스템은 정확도 측면에서 높은 성능을 달성해왔다. 그러나 다양한 기관에서 수집된 폴립 분할 데이터셋은 각각 다른 영상 촬영 프로토콜을 따르기 때문에 데이터 분포의 차이가 발생한다. 그 결과, 대부분의 기존 방법은 특정 데이터셋에 대해 성능 저하를 겪으며, 각각의 데이터셋에 대해 재학습이 필요하다. 본 연구에서는 전역적 다중 해상도 잔차 융합 네트워크(GMSRF-Net)를 제안함으로써 이러한 일반화 능력 문제를 해결한다. 제안된 네트워크는 모든 해상도 스케일에서 다중 해상도 융합 연산을 수행하면서도 고해상도 표현을 유지한다. 더욱이 스케일 정보를 효과적으로 활용하기 위해 GMSRF-Net 내부에 교차 다중 해상도 주의 메커니즘(CMSA)과 다중 해상도 특징 선택 모듈(MSFS)을 설계하였다. CMSA와 MSFS에 의해 제어되는 반복적인 융합 연산은 네트워크의 일반화 능력을 향상시킨다. 두 개의 다른 폴립 분할 데이터셋을 대상으로 수행한 실험 결과, 제안된 GMSRF-Net은 기존 최고 성능을 기록했던 최신 기법보다 unseen CVC-ClinicDB에서 8.34%, unseen Kvasir-SEG에서 10.31% 더 높은 Dice 계수를 달성하며 우수한 성능을 보였다.