CT 간 세그멘테이션을 위한 PVT 기반 인코딩 및 정교한 디코딩

CT 스캔에서 정확한 간 분할은 효과적인 진단과 치료 계획에 필수적입니다. 컴퓨터 지원 진단 시스템은 간 질환의 진단, 질병 진행 및 치료 계획의 정밀도를 향상시키는 데 기여할 것으로 기대됩니다. 이에 따라, 우리는 사전 학습된 피라미드 비전 트랜스포머(PVT v2)와 고급 잔차 업샘플링 및 디코더 블록을 결합하여 구축된 새로운 딥러닝 접근 방식인 \textit{\textbf{PVTFormer}}를 제안합니다. 세부적인 특성 채널 접근 방식과 계층적 디코딩 전략을 통합함으로써 PVTFormer는 의미론적 특성을 강화하여 고품질의 분할 마스크를 생성합니다. Liver Tumor Segmentation Benchmark (LiTS) 2017에서 제안된 방법을 엄격하게 평가한 결과, PVTFormer는 86.78%의 높은 다이스 계수와 78.46%의 mIoU를 달성하였으며, 낮은 HD(3.50)를 얻었습니다. 이러한 결과는 PVTFormer가 최신 간 분할 방법에 대한 새로운 벤치마크를 설정하는 효능을 입증합니다. 제안된 PVTFormer의 소스 코드는 \url{https://github.com/DebeshJha/PVTFormer}에서 확인할 수 있습니다.