의료 영상 분석에서 병변의 식별 및 위치 지정, 형태학적 변화 모니터링, 후속 진단을 위한 구분 가능한 특징 추출을 위해 세그멘테이션은 필수적이다. 전 세계적으로 가장 흔한 암 유형 중 하나인 피부암의 경우 조기 진단이 악성 종양을 체내에서 완전히 제거하는 데 핵심적인 역할을 한다. 본 연구는 지도 학습 기반의 피부 병변 세그멘테이션을 위한 인공지능(AI) 프레임워크를 개발하였으며, 딥 러닝 기법을 활용하였다. 제안하는 프레임워크인 MFSNet(Multi-Focus Segmentation Network)은 피부 병변의 원본 RGB 이미지를 입력으로 받아 다양한 스케일의 특징 맵을 활용하여 최종 세그멘테이션 마스크를 계산한다. 이를 위해 먼저 영상 전처리를 통해 불필요한 아티팩트와 노이즈를 제거한다. MFSNet은 최근 제안된 합성곱 신경망(CNN)인 Res2Net 백본을 사용하여 깊은 특징을 추출하고, 이 특징은 병렬 부분 디코더(Parallel Partial Decoder, PPD) 모듈에서 활용되어 세그멘테이션 마스크의 전역 맵을 생성한다. 네트워크의 다양한 단계에서 합성곱 특징과 다중 스케일 맵은 두 개의 경계 주의(Boundary Attention, BA) 모듈과 두 개의 역방향 주의(Reverse Attention, RA) 모듈에 입력되어 최종 세그멘테이션 결과를 생성한다. MFSNet은 공개된 세 가지 데이터셋(PH², ISIC 2017, HAM10000)에서 평가된 결과, 최신 기술을 초월하는 성능을 보이며 프레임워크의 신뢰성을 입증하였다. 본 연구에서 제안하는 방법의 관련 코드는 다음 링크에서 접근 가능하다: https://github.com/Rohit-Kundu/MFSNet