흉부 CT 영상에서 듀얼 윈도우 영상을 활용한 트랜스포머 기반 폐암 분할 (Transformer-based Lung Cancer Segmentation Using Dual Window Images in Chest CT Images)

서지정보

· 발행기관 : (사)한국컴퓨터그래픽스학회
· 수록지 정보 : 한국컴퓨터그래픽스학회논문지 / 30권 / 5호 / 31 ~ 37페이지
· 저자명 : 이민진, 김세희, 홍헬렌

초록

폐암은 크기, 모양, 위치가 다양하다. 더욱이 폐 실질에 위치한 고립된 폐암은 경계가 명확한 반면, 비슷한 강도 값을 가 진 주변 구조에 붙은 종양은 경계가 불분명하여 종양 분할에 어려움이 있다. 이러한 문제를 해결하기 위해 본 논문에서 는 흉부 CT 영상에서 종격동과 흉벽 등에 부착된 폐암의 경계 불명확성을 해결하기 위해 듀얼 윈도우 영상을 활용한 트 랜스포머 기반의 폐암 분할 방법을 제안한다. 폐암 특징을 잘 표현하는 두가지 윈도우 설정을 적용하여 폐 윈도우 영상 과 종격동 윈도우 영상을 생성한다. 제안 방법은 SegFormer를 백본으로 사용하며 각각의 영상을 서로 다른 인코더의 입 력으로 사용하는 이중 인코더로 다중 스케일의 특징맵을 생성하고, 디코더에서 특징맵 결합 및 채널 주의 블록을 통해 주요 특징에 가중치를 부여하는 방식을 적용한다. 실험을 통해 전체적인 폐암에서 제안 방법이 DSC와 재현율에서 각각 75.74%, 80.44%로 가장 우수한 성능을 보였으며, 폐암의 위치 별 분할 결과에서 제안 방법이 가장 우수한 재현율을 보 였다.

영어초록

Lung cancer varies in size, shape, and location. Furthermore, isolated tumors located in the lung parenchyma have clear boundaries, whereas tumors attached to surrounding structures with similar intensity values have indistinct boundaries, making tumor segmentation challenging. To address these issues, we propose a transformer-based lung cancer segmentation method using dual- window images to resolve the boundary ambiguity of lung cancers attached to structures such as the mediastinum and chest wall in chest CT images. To effectively represent the characteristics of lung cancer, we generate lung window and mediastinal window images using two window settings. The proposed method utilizes SegFormer as the backbone and employs a dual-encoder architecture, where each image is input into a different encoder to generate multi-scale feature maps. In the decoder, feature map concatenation and channel attention blocks are applied to assign weights to the key features. Through experiments, the proposed method demonstrated the best performance in overall lung cancer segmentation, achieving a DSC of 75.74% and a recall of 80.44%. Additionally, in the segmentation results by the location of the lung cancer, the proposed method achieves the highest recall.

참고자료

· 없음