DCE-MRI 유방암 병변 부위의 침윤 범위 표시 정확도가 낮고, 구조 형태 변화가 크며, 강도 불균일 및 경계 대비가 낮아 유방암 병변 부위의 자동 분할에 정확도 저하 및 오분할 문제가 발생한다. 이에 본 논문에서는 이단계 유방암 병변 부위 분할 프레임워크를 구축하고, 인코딩 경로와 말단에 다중 스케일과 Non-local을 통합하고, 디코딩 경로에 주의력-잔차 모듈을 구성하는 유방암 병변 부위 분할 모델 UTB-net을 제안한다. 우선, 기준 U-net 네트워크 모델을 이용해 유방 영역을 대략적으로 표시하여 흉근, 지방, 심장 등 무관 조직이 유방암 분할에 미치는 영향을 제거한다. 그런 다음, 추출된 ROI 결과를 바탕으로 모델 인코딩 경로에 다중 스케일 정보 융합과 Non-local 모듈을 삽입한다. 마지막으로, 디코딩 경로에 주의력-잔차 혼합 디코딩 모듈을 구성하고 심층 감독 메커니즘을 도입하여 유방암 병변 분할 정확도를 높인다. 실험 결과, 기준 U-Net 모델에 비해 유방암 분할 지표인 DICE, IOU, SEN, PPV가 각각 4%, 4.78%, 5.92%, 3.94% 향상되었다. 제안된 모델은 유방암 분할 결과를 향상시키는 동시에 소형 오분할 및 석회화 분할을 줄였다.

DCE-MRI;분할;유방암;U-net;주의력;잔차 네트워크