TSFD-Net: 핵 세그멘테이션 및 분류를 위한 조직 특이적 특징 증류 네트워크

히스타화이린과 이오시닌으로 염색된 조직학 이미지의 핵 분할 및 분류는 비균일한 수동 염색 과정으로 인한 색상 불일치, 핵의 군집화, 흐릿하고 겹치는 핵 경계 등 다양한 문제로 인해 도전적인 과제이다. 기존의 접근 방식은 핵을 다각형 표현으로 분할하거나 핵 중심 간 거리를 측정하여 분할하는 방식을 사용한다. 반면 본 연구에서는 조직 유형에 따라 조직 내 핵의 형태학적 특성(외형, 모양, 질감)이 크게 달라진다는 점에 착안하여, 제안하는 조직 특이적 특징 증류(Tissue Specific Feature Distillation, TSFD) 백본을 통해 원시 조직병리학 이미지에서 조직 특이적(Tissue-Specific, TS) 특징을 추출한다. TSFD-Net 내부의 양방향 특징 피라미드 네트워크(BiFPN)는 이러한 TS 특징을 활용하여 강력한 계층적 특징 피라미드를 생성하며, 상호 연결된 디코더들이 함께 최적화하고 특징을 융합하여 최종 예측을 생성한다. 또한, 제안된 네트워크의 공동 최적화 및 빠른 수렴을 위해 새로운 조합형 손실 함수를 제안한다. TSFD-Net의 각 구성 요소의 효과를 검증하기 위해 광범위한 아블레이션 연구를 수행하였다. 제안된 네트워크는 19개의 다양한 조직 유형과 5개의 임상적으로 중요한 종양 유형을 포함하는 PanNuke 데이터셋에서 StarDist, Micro-Net, Mask-RCNN, Hover-Net, CPP-Net과 같은 최신 기술들을 능가하며, 평균 및 이진 팬옵틱 품질(Panoptic Quality) 각각 50.4%, 63.77%를 달성하였다.