망막흑자와 공막 간 대비가 낮고, 망막흑자의 하부 경계가 모호하여 경계 설정이 어려운 문제를 해결하기 위해, 주의 메커니즘을 융합한 TransGLnet 망막흑자 자동 분할 네트워크가 제안되었다. 컨볼루션 층에는 전역 주의 모듈(Global Attention Module, GAM)이 도입되어 특징 간 행렬 곱을 적용하고, 전체 공간 위치 내 여러 특징 간 비선형 상호작용을 구축하여 많은 파라미터 없이 전역 특징을 추출한다; 컨볼루션 층과 Transformer 인코더 사이에는 지역 주의 모듈(Local Attention Module, LAM)이 도입되어, 1/4 특징 맵을 기본 단위로 지역 특징을 탐색하며, 특징 맵 요소 위치 이동 규칙은 행 위치 요소를 유지하고 열 위치 요소를 크기 순으로 재배치한다. 두 모듈의 융합은 네트워크가 전역 및 지역 특징을 효과적으로 동시에 고려하도록 한다. 실험 결과 TransGLnet 네트워크는 Dice 값 0.91, 정확도 0.98, 평균 교집합 비율 0.89, F1 값 0.90, 하우스도르프 거리 6.56을 보였다. 기존 망막흑자 자동 분할 방법과 비교했을 때 본 방법은 모든 성능 지표에서 향상되었다. TransGLnet 망막흑자 자동 분할 네트워크는 안정성이 뛰어나 임상에 참고할 수 있다.

의학 영상 처리; 망막흑자 자동 분할; TransUnet; 전역 주의; 지역 주의