인코더-디코더 네트워크 구조가 목표 추출에서 관련 없는 의미 억제, 의미 격차 극복 등의 문제를 해결하기 위해 더 높은 정확도를 얻기 위해 U-Net을 특징 추출의 주축 네트워크로 사용하였다; 얕은 층 특징과 깊은 층 특징 간의 의미 차이를 완화하기 위해 주의 인지 다중 스케일 의미 풀링 모듈(Channel-Spatial-Pyramid, CSP)을 설계하여 초기 층의 스킵 연결을 대체하였다. CSP 모듈은 공간 및 채널 두 수준에서 더 의미 있는 의미 정보를 강조하며, 4개의 서로 다른 풀링 커널의 병렬 분기를 통해 다양한 스케일의 특징을 추출하고, 모든 분기 결과를 집계하여 후속 층 특징과 연결한다. 실험 결과 CSP-Net은 컬러 안저 영상 시신경 유두 분할에서 Dice 지수 99.6%, 시신경 컵 분할 결과에서 Dice 지수 92.1%를 달성하여 기존 알고리즘 대비 향상되었다. 제안된 CSP-Net은 안저 영상의 미세 목표 추출에 효과적이며 방해 저항성이 우수하여 녹내장 선별 및 진단 임상 참고용으로 활용될 수 있다.

다중 스케일 의미; 주의 인지; 목표 추출; U-net