SAM-EG: 에지 가이드를 갖춘 세그먼트 애니씽 모델을 통한 효율적인 폴립 세그먼테이션 프레임워크

결장 폴립 세그멘테이션은 의료 영상 분야에서 중요한 과제로, 분할 마스크의 품질을 향상시키기 위한 다양한 방법들이 제안되어 왔다. 현재 최첨단 기술들은 놀라운 성과를 내고 있으나, 이러한 모델들의 크기와 계산 비용은 실용적인 산업 적용에 있어 큰 도전 과제를 안고 있다. 최근, Segment Anything Model(SAM)이 강력한 기반 모델로 제안되며 의료 영상 세그멘테이션에의 적응 가능성을 보여주고 있다. 이 아이디어에 영감을 받아, 본 연구에서는 계산 비용 문제를 해결하기 위해 소형 세그멘테이션 모델을 안내하는 SAM-EG 프레임워크를 제안한다. 또한 본 연구에서는 세그멘테이션 모델이 이 작업에서 발생하는 경계 문제를 보다 효과적으로 다룰 수 있도록 이미지 특징에 경계 정보를 통합하는 Edge Guiding 모듈을 도입한다. 광범위한 실험을 통해 소형 모델들이 최첨단 기법들과 경쟁 가능한 성능을 달성함으로써, 정밀도가 높으면서도 컴팩트한 모델 개발 가능성을 제시하며, 결장 폴립 세그멘테이션은 물론 의료 영상 분야 전반에 걸쳐 유망한 방향성을 제시한다.