RRWNet: 효과적인 망막 동맥/정맥 분할 및 분류를 위한 재귀적 개선 네트워크

망막 혈관의 지름과 구조는 다양한 질병 및 의학적 상태에 대한 중요한 생체 지표로 활용될 수 있다. 망막 혈관망의 철저한 분석을 위해서는 혈관의 세그멘테이션과 동맥 및 정맥으로의 분류가 필요하며, 이는 보통 망막촬영(retinography)을 통해 얻은 색채 안저 영상에서 수행된다. 그러나 이러한 작업을 수작업으로 수행하는 것은 인력이 많이 들고 인간 오류의 위험이 크다. 기존에 여러 자동화된 방법이 제안되었지만, 현재의 최첨단 기술은 분류 오류가 발생함에 따라 세그멘테이션 맵의 위상 일관성(topological consistency)에 영향을 미치는 문제에 직면해 있다. 본 연구에서는 이러한 한계를 극복하기 위해 RRWNet이라는 새로운 엔드 투 엔드(end-to-end) 딥러닝 프레임워크를 제안한다. 이 프레임워크는 완전 컨볼루션 신경망(fully convolutional neural network)으로 구성되며, 의미적 세그멘테이션 맵을 반복적으로 보정함으로써 명백한 분류 오류를 수정하고 위상 일관성을 향상시킨다. 특히 RRWNet은 두 가지 특화된 하위 네트워크로 구성된다: 입력 영상으로부터 기초 세그멘테이션 맵을 생성하는 Base 하위 네트워크와, 이러한 맵을 반복적이고 재귀적으로 개선하는 Recursive Refinement 하위 네트워크이다. 세 가지 다른 공개 데이터셋에 대한 평가를 통해 제안된 방법이 기존 접근법보다 더 높은 위상 일관성과 더 적은 명백한 분류 오류를 갖는 세그멘테이션 맵을 생성함을 입증하였으며, 최첨단 성능을 보였다. 또한 RRWNet 내부의 Recursive Refinement 모듈이 다른 방법에서 생성된 세그멘테이션 맵에 대한 후처리에 효과적임을 확인하여, 그 잠재적 활용 가능성 또한 입증하였다. 모델 코드, 가중치 및 예측 결과는 https://github.com/j-morano/rrwnet에서 공개될 예정이다.