BlazeNeo: 초고속 폴립 세그멘테이션 및 신생물 탐지

최근 몇 년간 컴퓨터 지원 자동 폴립 세그멘테이션 및 종양 탐지 기술은 의료 영상 분석 분야에서 주목받는 연구 주제로 부상하였으며, 대장내시경 검사 과정에 중요한 지원을 제공하고 있다. 특히 폴립 탐지 및 세그멘테이션의 정확도 향상에 많은 연구가 집중되어 왔다. 그러나 전용 장치에서 이러한 작업을 수행할 때 지연 시간(latency)과 처리량(throughput)에 대한 고려는 상대적으로 부족한 실정이며, 이는 실용적 응용에 있어 핵심적인 요소가 될 수 있다. 본 논문에서는 높은 정확도를 유지하면서도 모델의 간결성과 속도에 중점을 두어 폴립 세그멘테이션 및 종양 탐지 작업을 수행하기 위한 새로운 딥 신경망 아키텍처인 BlazeNeo를 제안한다. BlazeNeo는 계산 효율성을 극대화하기 위해 매우 효율적인 HarDNet 백본과 가벼운 수용 영역 블록(Receptive Field Blocks)을 활용하며, 세그멘테이션 품질 향상을 위해 보조 학습 메커니즘을 도입한다. 도전적인 데이터셋에서 수행한 실험 결과, 최신 기술들과 비교하여 BlazeNeo는 지연 시간과 모델 크기 측면에서 개선을 보이며, 정확도는 유사한 수준을 유지함을 확인하였다. Jetson AGX Xavier 엣지 장치에서 INT8 정밀도로 배포한 결과, BlazeNeo는 155 fps 이상의 성능을 달성하며, 비교된 모든 방법들 중 가장 높은 정확도를 기록하였다.