TransResU-Net: 실시간 대장내시경 폴립 세그멘테이션을 위한 Transformer 기반 ResU-Net

대장암은 세계적으로 가장 흔한 암 중 하나이며, 암으로 인한 사망 원인의 주요 요인 중 하나이다. 대장암의 조기 진단을 위해서는 적절한 시기에 대장내시경 검사를 실시하는 것이 핵심이다. 대장암 진단에 있어 대장내시경은 주요 검사 방법으로 사용되고 있으나, 폴립, 선종, 고급 선종의 탐지 누락률은 여전히 높은 수준을 유지하고 있다. 암 전 단계인 전암성 상태에서 폴립을 조기에 발견할 경우, 대장암으로 인한 사망률과 경제적 부담을 줄이는 데 기여할 수 있다. 딥러닝 기반의 컴퓨터 보조 진단(CADx) 시스템은 내과의사들이 놓치기 쉬운 폴립을 보다 효과적으로 식별할 수 있도록 도와주며, 이는 폴립 탐지율을 향상시킬 수 있다. 또한 CADx 시스템은 장기적으로 대장암 예방에 기여할 수 있는 비용 효율적인 솔루션으로서의 가능성을 지닌다. 본 연구에서는 자동 폴립 세그멘테이션을 위한 딥러닝 기반 아키텍처인 Transformer ResU-Net(TransResU-Net)을 제안한다. 본 연구에서 제안한 아키텍처는 ResNet-50을 백본으로 하여 잔차 블록(residual block)을 기반으로 구성되며, 트랜스포머의 자기주의(self-attention) 메커니즘과 확장된 컨볼루션(dilated convolution)을 활용한다. 공개된 두 개의 폴립 세그멘테이션 벤치마크 데이터셋을 대상으로 수행한 실험 결과, TransResU-Net은 높은 딱스 스코어(Dice score)와 실시간 처리 속도를 달성하였다. 성능 지표에서 뛰어난 효율성을 입증한 본 연구 결과를 바탕으로, TransResU-Net은 대장암의 조기 진단, 치료 및 예방을 위한 실시간 폴립 탐지 시스템 구축을 위한 강력한 기준 모델이 될 수 있다고 결론지었다. 본 연구에서 제안한 TransResU-Net의 소스 코드는 공개되어 있으며, 다음의 링크에서 확인할 수 있다: https://github.com/nikhilroxtomar/TransResUNet.