방향 그래디언트 히스토그램과 딥 러닝의 만남: 의료 이미지 의미 분할을 위한 새로운 다중 작업 딥 네트워크

우리는 의료 이미지 분할을 위한 새로운 딥 멀티태스크 학습 방법을 제시합니다. 기존의 멀티태스크 방법은 주 태스크와 보조 태스크 모두에 대한 정답 주석이 필요합니다. 이에 반해, 우리는 비지도 방식으로 보조 태스크의 의사 라벨을 생성하는 방법을 제안합니다. 의사 라벨을 생성하기 위해, 검출에서 가장 널리 사용되고 강력한 수작업 특징 중 하나인 방향 그래디언트 히스토그램(Histogram of Oriented Gradients, HOGs)를 활용합니다. 주 태스크의 정답 의미 분할 마스크와 보조 태스크의 의사 라벨을 함께 사용하여, 딥 네트워크의 매개변수를 주 태스크와 보조 태스크의 손실을 동시에 최소화하도록 학습시킵니다. 우리는 UNet과 U2Net이라는 두 가지 강력하고 널리 사용되는 의미 분할 네트워크를 이용하여 멀티태스크 설정에서 학습했습니다. 우리의 가설을 검증하기 위해, 두 개의 다른 의료 이미지 분할 데이터 세트에서 실험을 수행했습니다. 광범위한 정량적 및 정성적 결과를 통해, 우리의 방법이 대응하는 방법보다 성능이 일관되게 향상됨을 확인할 수 있었습니다. 또한, 우리의 방법은 2021년 MICCAI와 공동으로 개최된 FetReg Endovis 서브챌린지에서 우승했습니다.