이진 교차 엔트로피를 활용한 SegNet을 이용한 피부 병변 세그멘테이션

본 논문에서는 딥 러닝 아키텍처인 SegNet을 활용한 자동 피부 병변 세그멘테이션을 위한 간단하고 계산 효율적인 접근법을 제안한다. 제안된 방법은 성능 향상을 위해 추가적인 사양들을 포함하고 있으며, 병변 세그멘테이션 결과의 정교화를 목적으로 한다. 보조적인 목적은 이미지의 전처리 및 후처리 과정을 최소화하는 것이다. 제안된 모델은 전문 피부과 의사에 의해 수작업으로 세그멘테이션된 도르모스코프 이미지, 해당 이미지의 마스크, 임상 진단 정보 및 여러 도르모스코프 구조의 식별 정보를 포함하는 PH2 데이터셋에서 제한된 수의 이미지로 학습되었다. 평가를 통해 최종 목표는 Jaccard 지수(Intersection over Union, IOU) 92% 이상의 성능을 달성하는 것이다.