HANS-Net은 복잡한 해부학적 구조, 종양 외형의 변화, 제한된 주석 데이터로 인해 어려움을 겪는 복부 CT 영상에서의 정확한 간 및 종양 분할을 위한 새로운 분할 프레임워크입니다. 계층적 기하학적 표현을 위한 쌍곡선 합성곱, 다중 스케일 질감 학습을 위한 웨이블릿에서 영감을 받은 분해 모듈, 적응적 특징 향상을 위한 생물학적으로 동기가 부여된 시냅스 가소성 메커니즘, 그리고 미세하고 연속적인 해부학적 경계를 모델링하기 위한 암시적 신경 표현 분기를 통합합니다. 또한, 예측 신뢰도를 정량화하기 위해 불확실성 인식 몬테카를로 드롭아웃과 효율성을 희생하지 않고 슬라이스 간 일관성을 향상시키기 위해 경량의 시간적 어텐션을 통합합니다. LiTS 데이터셋에 대한 광범위한 평가는 HANS-Net이 평균 Dice 점수 93.26%, IoU 88.09%, 평균 대칭 표면 거리 (ASSD) 0.72mm, 부피 중복 오차 (VOE) 11.91%를 달성함을 보여줍니다. 3D-IRCADb-01 데이터셋에 대한 교차 데이터셋 검증은 평균 Dice 87.45%, IoU 80.30%, ASSD 1.525mm, VOE 19.71%를 얻어 서로 다른 데이터셋에서 강력한 일반화 성능을 나타냅니다. 이러한 결과는 HANS-Net이 해부학적으로 일관되고 정확하며 신뢰할 수 있는 간 및 종양 분할을 제공하는 효과와 강력함을 확인합니다.
