G-CASCADE: 효율적인 캐스케이드 그래프 컨볼루션 디코딩을 이용한 2D 의료 이미지 세그멘테이션

최근 몇 년간, 의료 이미지 분할은 컴퓨터 보조 진단 분야에서 중요한 응용 분야가 되었습니다. 본 논문에서는 2차원 의료 이미지 분할을 위한 새로운 그래프 컨볼루션 기반 디코더인 캐스케이드 그래프 컨볼루셔널 어텐션 디코더(G-CASCADE)를 처음으로 제안합니다. G-CASCADE는 계층적 트랜스포머 인코더에서 생성된 다단계 피처 맵을 효율적인 그래프 컨볼루션 블록을 통해 단계적으로 개선합니다. 인코더는 자기 주의 메커니즘(self-attention mechanism)을 활용하여 장거리 종속성을 포착하며, 디코더는 그래프 컨볼루션 블록의 전역 수용 영역(global receptive fields) 덕분에 장거리 정보를 유지하면서 피처 맵을 개선합니다. 다섯 가지 의료 이미지 분할 작업(즉, 복부 장기, 심장 장기, 폴립 병변, 피부 병변 및 망막 혈관)에서 여러 트랜스포머 인코더와 함께 우리의 디코더를 엄격히 평가한 결과, 우리의 모델은 다른 최신(SOTA) 방법들보다 우수한 성능을 보였습니다. 또한, 우리의 디코더는 SOTA CASCADE 디코더보다 80.8% 적은 매개변수와 82.3% 적은 FLOPs로 더 높은 DICE 점수를 달성하는 것을 입증하였습니다. 우리의 디코더는 일반적인 의미 분할 및 의료 이미지 분할 작업에 사용하기 쉽도록 다른 계층적 인코더와도 쉽게 결합될 수 있습니다.