복부 CT 영상에서의 신장 및 신장종양에 대한 U-Net 기반의 자동 분할 기법

초록

본 연구에서는 복부 CT 영상으로부터 신장과 신장에서 발생한 종양을 U-Net 기반의 컨볼루션 신경망으로 자동으로 분할하는 방법을 제안한다. 본 논문에서 제안하는 모델은 3차원으로 촬영된 영상의 시멘틱 분할을 위하여 Encoder-Decoder 구조의 컨볼루션 신경망 구조를 활용하며, 여러 방식의 skip connection을 활용하여 구성하고 비교했다. 아울러 의료 영상 분할에서 자주 나타나는 학습 과정 중 클래스 불균형 문제를 해결하기 위한 손실 함수를 제시한다. 신장 및 신장 내의 종양에 대한 학습은 KiTS19 데이터셋을 사용했으며, 회전 변환, elastic deformation 등의 다양한 변환을 활용하여 데이터를 증강했다. 본 논문에서 제안하는 방법은 skip connection과 Dice Loss 및 Focal Loss를 활용함으로써, 이를 도입하기 전과 비교하여 최대 7.28%의 성능 향상을 보였다.

키워드