핵심 개념
RRWNet은 순환 정제 메커니즘을 통해 기존 방법의 명백한 분류 오류를 효과적으로 해결하여 더 나은 분할 및 분류 성능을 달성한다.
초록
이 연구는 망막 혈관의 분할과 동맥/정맥 분류를 위한 새로운 딥러닝 프레임워크인 RRWNet을 소개한다. RRWNet은 두 개의 전문화된 하위 네트워크로 구성되어 있다. 첫 번째 하위 네트워크(Base)는 입력 이미지로부터 기본 분할 맵을 생성하고, 두 번째 하위 네트워크(Recursive Refinement)는 이를 반복적으로 정제하여 명백한 분류 오류를 해결한다.
실험 결과, RRWNet은 기존 방법보다 우수한 분할 및 분류 성능을 보였다. 특히 동맥과 정맥의 분할 정확도가 크게 향상되었고, 분할 맵의 토폴로지 일관성도 높아졌다. 또한 Recursive Refinement 하위 네트워크는 다른 방법의 분할 맵을 효과적으로 향상시키는 것으로 나타났다.
통계
동맥 분할 AUPR은 U-Net 대비 5.64%p 향상되었다.
정맥 분할 AUPR은 U-Net 대비 3.11%p 향상되었다.
동맥/정맥 분류 정확도는 U-Net 대비 5.48%p 향상되었다.
인용구
"RRWNet은 순환 정제 메커니즘을 통해 기존 방법의 명백한 분류 오류를 효과적으로 해결한다."
"RRWNet은 기존 방법보다 우수한 분할 및 분류 성능을 보였다."