18일 전

DTP-Net: 피부과 매크로 영상에서 병변을 국소화하기 위한 임계값을 예측하기 위한 합성곱 신경망 모델

{Malaya Kumar Nath, M Vipin Das, Justin Joseph, Vipin Venugopal}
초록

일반 카메라로 촬영한 피부의 고해상도 이미지, 즉 매크로 이미지는 피부과 분야에서 널리 사용된다. 이러한 매크로 이미지는 매우 높은 초점 해상도를 가지므로 병변과 배경 영역만을 포함하고 있다. 따라서 매크로 이미지에서 병변을 위치화하는 것은 단순한 임계치 설정(thresholding) 문제로 간주할 수 있다. 그러나 다양한 피부과 매크로 이미지에서 일관된 성능을 유지하면서 정확한 임계치를 추정할 수 있는 알고리즘은 드물다. 본 논문에서는 이러한 문제를 해결하기 위해 ‘딥 임계치 예측 네트워크(Deep Threshold Prediction Network, DTP-Net)’라는 딥러닝 모델을 제안한다. 모델 학습을 위해 매크로 이미지의 회색조 버전을 입력으로 사용하며, 분할된 이미지와 지정된 참값(Ground-truth) 이미지 간의 디크 스미머리 지수(Dice Similarity Index, DSI)가 최대가 되는 회색 수준의 임계치 값을 타겟으로 정의한다. DTP-Net은 오츠(OTSU) 임계치 설정, 밸리 강조 오츠 임계치 설정, 이소다(Isodata) 임계치 설정, 히스토그램 기울기 차이 분포 기반 임계치 설정, 최소 오차 임계치 설정, 포아송 분포 기반 최소 오차 임계치 설정, 카푸르(Kapur) 최대 엔트로피 임계치 설정, 엔트로피 가중 오츠 임계치 설정, 최소 교차 엔트로피 임계치 설정, 타입-2 퍼지 기반 임계치 설정, 퍼지 엔트로피 임계치 설정 등 총 11종의 최신 임계치 추정 알고리즘과 비교하여 예측된 임계치에 대한 평균 제곱근 오차(Root Mean Square Error, RMSE)가 가장 낮은 성능을 보였다. DTP-Net은 강도 공간에서 병변과 배경 간의 차이를 효과적으로 학습하여 병변과 배경을 분리하는 정확한 임계치를 예측할 수 있었다. 제안된 DTP-Net은 피부암을 피부과 매크로 이미지에서 자동으로 탐지하는 도구의 세그멘테이션 모듈에 쉽게 통합될 수 있다.

DTP-Net: 피부과 매크로 영상에서 병변을 국소화하기 위한 임계값을 예측하기 위한 합성곱 신경망 모델 | 최신 연구 논문 | HyperAI초신경