본 논문은 조산아의 심각한 신경학적 합병증인 뇌실내 출혈(IVH)의 조기 및 정확한 검출을 위해 뇌 초음파(US) 영상에서 뇌 해부학 구조를 분할하는 향상된 Residual U-Net 아키텍처를 제안합니다. 기존 딥러닝 방법의 한계인 국소적 공간적 세부 정보와 전역적 문맥적 의존성을 동시에 포착하기 위해, Convolutional Block Attention Module (CBAM)과 Sparse Attention Layer (SAL)이라는 두 가지 상호 보완적인 어텐션 메커니즘을 통합하였습니다. CBAM은 공간적 및 채널별 특징을 개선하고, SAL은 이중 분기 설계를 통해 잡음을 억제하고 정보 전파를 보장합니다. Brain US 데이터셋을 사용한 실험 결과, 제안된 방법은 뇌실 영역 분할에서 Dice score 89.04%, IoU 81.84%를 달성하여 최첨단 성능을 보였습니다. 이는 공간적 개선과 어텐션 스파스성 통합의 효과를 보여줍니다. 코드는 GitHub에서 공개됩니다.
