RSAFormer: 영역 자기주의 어텐션 트랜스포머를 활용한 폴립 세그멘테이션 방법

대장내시경은 대장암의 조기 스크리닝 및 임상 진단에 매우 중요한 역할을 하고 있다. 그러나 폴립의 정밀 세그멘테이션을 달성하는 것은 여전히 도전적인 과제로 남아 있다. 기존의 최첨단 모델들은 정상 조직과 폴립 사이의 경계가 명확하지 않고 매우 유사한 특성으로 인해 세그멘테이션 능력이 제한되어 있다. 이 문제를 해결하기 위해 우리는 트랜스포머 인코더를 활용하여 보다 강력한 특징을 추출할 수 있는 영역 자체 주의 강화 네트워크(RSAFormer)를 제안한다. 기존 우수한 방법들과 달리 RSAFormer는 독특한 이중 디코더 구조를 도입하여 다양한 특징 맵을 생성한다. 전통적인 방법이 일반적으로 단일 디코더를 사용하는 것과 비교해, RSAFormer는 특징 추출 과정에서 더 큰 유연성과 세부 정보를 제공한다. 또한, 저수준과 고수준 특징 간의 강한 상호작용을 촉진하고 보다 정확한 특징 정보를 획득하기 위해 영역 자체 주의 강화 모듈(RSA)을 도입하였다. 이 모듈은 지역적 맥락으로 표시되는 불확실한 영역을 강화하여 보다 정밀한 경계 정보를 추출할 수 있도록 한다. 제안된 RSAFormer의 성능은 5개의 대표적인 폴립 데이터셋을 대상으로 광범위한 실험을 통해 검증되었다. Kvasir 데이터셋에서는 평균 Dice 점수 92.2%, ETIS 데이터셋에서는 83.5%를 기록하며, 대부분의 최신 기술 모델을 상회하는 성능을 보였다.