결장내시경 영상에서 폴립 및 내시경 도구 분할을 위한 전이 학습

대장암은 세계적으로 가장 치명적이고 퍼진 범위가 넓은 암 종류 중 하나이다. 대장내시경 검사는 대장에서 발생하는 폴립을 탐지하고 진단하는 데 사용되는 절차이나, 현재의 검출률은 진단과 치료에 영향을 미치는 상당한 오류율을 보이고 있다. 자동 이미지 세그멘테이션 알고리즘은 의사들이 대장 내 병적 폴립의 검출률을 향상시키는 데 도움이 될 수 있다. 또한, 대장내시경 이미지 내의 내시경 도구를 세그멘테이션하는 것은 로봇 보조 수술의 발전에도 기여할 수 있다. 본 연구에서는 폴립과 내시경 도구 이미지를 포함한 두 가지 서로 다른 데이터셋을 이용하여 사전 학습된 모델과 사전 학습되지 않은 모델을 모두 훈련 및 검증하였다. 최종적으로 두 개의 별도 테스트 세트에 모델을 적용한 결과, 최적의 폴립 모델은 딱스 스코어(Dice score) 0.857을, 도구 모델은 0.948을 기록하였다. 또한, 모델의 사전 학습이 폴립 및 내시경 도구의 세그멘테이션 성능을 향상시킨다는 것을 확인하였다.