GRAFNet: Multiscale Retinal Processing via Guided Cortical Attention Feedback for Enhancing Medical Image Polyp Segmentation

Created by

Haebom

저자

Abdul Joseph Fofanah, Lian Wen, Alpha Alimamy Kamara, Zhongyi Zhang, David Chen, Albert Patrick Sankoh

💡 개요

본 논문은 대장내시경 영상에서 폴립 분할의 정확성을 높이기 위해 인간 시각 시스템의 계층적 구조와 생물학적 원리를 모방한 GRAFNet이라는 새로운 신경망 아키텍처를 제안합니다. GRAFNet은 방향 튜닝된 신경세포를 모방한 GAAM, 망막 신경절 세포 경로를 모방한 MSRM, 예측 코딩을 통한 반복적 보정을 위한 GCAFM을 통합하여 기존 방법론의 한계를 극복하고 polyp 분할 성능을 크게 향상시킵니다.

🔑 시사점 및 한계

•

인간 시각 시스템의 원리를 의료 영상 분할에 성공적으로 적용하여 해석 가능하고 더 정확한 결과를 도출했습니다.

•

기존의 단방향 처리 및 약한 멀티스케일 융합 문제를 해결하여 폴립 분할의 정확도와 일반화 성능을 크게 향상시켰습니다.

•

다양한 공개 데이터셋에서 최신 기술 대비 상당한 성능 향상(Dice 3-8%, 일반화 성능 10-20% 향상)을 입증했습니다.

•

실제 임상 환경에서의 적용 가능성 검증 및 다양한 종류의 병변에 대한 일반화 성능 강화에 대한 추가 연구가 필요합니다.

PDF 보기

Made with Slashpage