시각-언어 정렬을 통한 계층적 세분화를 통한 거시적에서 미시적까지의 코로나19 세그멘테이션

코로나19 병변의 세분화는 의료진이 코로나19를 보다 정확하게 진단하고 치료하는 데 도움을 줄 수 있다. 그러나 코로나19 데이터셋에서 상세한 정보와 고품질의 레이블링이 부족하여 관련 연구는 여전히 제한적이다. 이러한 문제를 해결하기 위해, 본 연구에서는 이미지 정보의 병변 위치와 병변 수를 포함한 텍스트 정보를 시각-언어 정렬을 통해 통합하는 계층적 세분화 프레임워크인 C2FVL(Coarse-to-Fine segmentation framework via Vision-Language alignment)을 제안한다. 텍스트 정보의 도입을 통해 네트워크는 도전적인 데이터셋에서도 보다 우수한 예측 성능을 달성할 수 있다. 제안한 방법은 흉부 X선 및 CT 이미지를 포함한 두 가지 코로나19 데이터셋에서 광범위한 실험을 수행하였으며, 실험 결과 본 연구에서 제안하는 방법이 기존 최첨단 세분화 기법들을 모두 상회함을 입증하였다.