삼차원 표면 강화 모듈과 학습 가능한 전처리 기법을 통한 엔드 투 엔드 척추체 CT 이미지 분할 네트워크

Abstract

척추 CT 이미지를 자동으로 분할(Segmentation)하는 것은 진단이나 수술 계획 등 의료 분야에서 넓게 사용될 수 있다. 본 논문에서는 학습 가능한 전처리 방법을 도입하였으며 척추체 표면 부분을 집중해서 학습할 수 있는 새로운 척추체 분할 모델을 구축하였다. 원본 CT 이미지의 대비를 강하게 하는 전처리 기법을 학습 과정에 포함시켰는데, 이를 통해 연조직과 같이 뼈라고 착각하기 쉽지만 타겟은 아닌 정보들을 약화하고 척추뼈를 강조할 수 있는 최적의 매개변수를 학습하여 정확도를 향상시켰다. 또한, 3D U-Net 기반 분할 네트워크의 가장 마지막 디코더 피처맵을 입력으로 받아 표면을 추출한 후 표면 표지(label)와 비교하는 표면 강화 모듈을 추가하였다. 이를 통해 척추 CT 데이터셋에 대해서 적은 추가 메모리로도 정확도를 상승시키는 새로운 엔드 투 엔드 3D 분할 모델을 제안한다.