DermoSegDiff: 피부 병변 경계 인식 분할 확산 모델

피부 병변 분할은 피부 질환의 조기 발견과 정확한 진단에서 중요한 역할을 합니다. 최근 노이즈 디퓨전 확률 모델(Denoising Diffusion Probabilistic Models, DDPMs)이 뛰어난 이미지 생성 능력으로 주목받고 있습니다. 이러한 발전을 바탕으로, 우리는 학습 과정에서 경계 정보를 통합하는 새로운 프레임워크인 DermoSegDiff를 제안합니다. 우리의 접근 방식은 훈련 중 경계를 우선적으로 고려하는 새로운 손실 함수를 도입하여 점차 다른 영역들의 중요성을 줄입니다. 또한, 네트워크 내에서 노이즈와 의미론적 정보를 효과적으로 통합하는 새로운 U-Net 기반의 노이즈 제거 네트워크를 소개합니다. 여러 피부 분할 데이터셋에 대한 실험 결과는 DermoSegDiff가 기존의 CNN, 트랜스포머, 그리고 디퓨전 기반 접근 방식보다 우수함을 입증하며, 다양한 상황에서 그 효과성과 일반화 능력을 보여줍니다. 이 구현은 공개적으로 \href{https://github.com/mindflow-institue/dermosegdiff}{GitHub}에서 접근 가능합니다.