피드백 어텐션을 활용한 세포핵 세그멘테이션을 위한 UNET

초록

병리학 이미지는 세포 검출 분류 암 , , 등급화를 위해 사용되며 최근 딥러닝을 이용한 많은 연구가 진행되었다 하지만 . 병리학 이미지에서 세포핵 분할은 어려운 과제이다 이는 . 이미지의 특성이 분할해야 하는 대상이 많이 존재하고 크기와 , 모양의 일관성이 없고 심지어 , 겹치는 형태로도 존재하기 때문이다. 이에 본 논문에서는 다양한 세포핵 검출을 용이하게 하기위해 공간 , Atrous (ASPP) 피라미드 풀링 을 활용한 Unet , 구조에 지난 배치의 예측 마스크을 활용한 어텐션을 통해 세포핵 검출을 용이하게 하고자 한다 우리는 . ASPP , 모듈을 통해 수용 영역의 크기를 키워 다양한 , 모양의 세포핵의 학습에 용이하게 하였다 또한 . 이전 에폭의 피쳐맵을 학습에 활용하여 여러 , 컨볼루션 계층에 예측을 보정하는 방식으로 어텐션을 주는 방식을 사용하였다 우리가 . 제안한 모델은 타 비교 모델에 비해 모든 지표에서 좋은 성능을 보여준다