고차원 집중 상호작용 모델과 구강 궤양 세그멘테이션을 위한 구강 궤양 데이터셋

구강 궤양 분야에서 컴퓨터 지원 진단(CAD) 기술은 여전히 발전이 느리다. 이와 같은 현상의 주요 원인 중 하나는 공개된 데이터셋의 부족이다. 그러나 구강 궤양은 악성 병변을 유발할 수 있으며, 사망률이 높은 질환이다. 따라서 구강 궤양을 조기에 신속하고 효과적으로 인식할 수 있는 능력은 매우 중요한 과제이다. 최근 일부 연구자들이 관련 분야에서 연구를 진행하고는 있으나, 해당 데이터셋은 대부분 비공개 상태이다. 이러한 문제를 해결하기 위해 본 논문에서는 병변 세그멘테이션과 분류라는 두 가지 주요 작업을 포함하는 다중 작업형 구강 궤양 데이터셋인 Autooral을 제안하고, 공개하였다. 본 연구팀은 다중 작업형 구강 궤양 데이터셋을 공개한 최초의 팀이라는 점에서, 지식 기반 측면에서 의미 있는 기여를 한다고 할 수 있다. 또한, 구강 궤양 병변 영역을 세그멘테이션하기 위한 새로운 모델링 프레임워크인 HF-UNet을 제안한다. 구체적으로, 제안된 고차원 집중 상호작용 모듈(HFblock)은 고차원 주의 메커니즘을 통해 전역적 특성과 국소적 특성을 동시에 효과적으로 획득한다. 또한, 제안된 병변 위치 추정 모듈(LL-M)은 새로운 하이브리드 소벨 필터를 도입하여 궤양 경계의 인식 성능을 향상시켰다. 제안된 Autooral 데이터셋을 기반으로 한 실험 결과, 본 연구에서 제안한 HF-UNet의 구강 궤양 세그멘테이션 성능은 DSC 값 약 0.80을 달성하였으며, 추론 시 메모리 사용량은 단지 2029MB에 불과하다. 이는 높은 성능의 세그멘테이션 능력을 유지하면서도 낮은 실행 부하를 보장함을 의미한다. 본 연구에서 제안한 Autooral 데이터셋 및 코드는 다음 URL에서 공개되어 있다: https://github.com/wurenkai/HF-UNet-and-Autooral-dataset.