Główne pojęcia
VFSS 영상의 낮은 대비와 불명확한 경계로 인한 식괴 분할의 어려움을 해결하기 위해, 전처리 앙상블 네트워크(PEN)와 단계적 추론 네트워크(CIN)를 결합한 PECI-Net을 제안한다.
Streszczenie
이 연구는 VFSS 영상에서 식괴 분할을 위한 PECI-Net이라는 새로운 네트워크 아키텍처를 제안한다. PECI-Net은 두 가지 핵심 기술을 결합한다:
전처리 앙상블 네트워크(PEN): VFSS 영상의 선명도와 대비를 향상시키기 위해 다양한 전처리 알고리즘을 학습 가능한 방식으로 결합한다.
단계적 추론 네트워크(CIN): 다른 영역의 문맥 정보를 활용하여 식괴 분할의 모호성을 해결한다. CIN은 신뢰성 있게 감지된 영역부터 순차적으로 분할하며, 이전 단계의 결과를 참조하여 모호한 영역을 더 정확하게 분할한다.
실험 결과, PECI-Net은 최신 베이스라인 모델들보다 우수한 성능을 보였다. 특히 식괴 분할 정확도가 73.45%로, UNet보다 10.83%, TernausNet보다 4.54% 높았다. 또한 전체 평균 정확도도 81.06%로 가장 높았다. 이는 PEN과 CIN이 VFSS 영상 분할에 효과적임을 보여준다.
Statystyki
VFSS 영상에서 식괴 영역은 주변 구강 영역과 유사한 강도를 가져 정확한 분할이 어렵다.
식괴가 어두운 배경과 밝은 배경에 걸쳐 있는 경우 분할이 더욱 어렵다.
Cytaty
"VFSS 영상은 투과성이 높고 대비가 낮으며 영역 경계가 불명확하고 색 정보가 없어 식괴 분할이 어렵다."
"PECI-Net은 PEN을 통해 다양한 전처리 알고리즘을 학습 가능한 방식으로 결합하고, CIN을 통해 다른 영역의 문맥 정보를 활용하여 식괴 분할 성능을 향상시킨다."