컨볼루션 연산의 한계로 인해 기존 피부 병변 이미지 분할 네트워크는 이미지 내의 전역 컨텍스트 정보를 모델링할 수 없어 이미지의 목표 구조 정보를 효과적으로 포착하지 못한다. 본 논문에서는 교차 자가 주의 코딩이 통합된 U자형 하이브리드 네트워크를 설계하여 피부 병변 이미지 분할에 활용하였다. 먼저, 설계한 멀티 헤드 게이트드 위치 기반 교차 자가 주의 인코더를 U자형 네트워크의 마지막 두 계층에 도입하여 이미지 내 의미 정보의 장기 의존성을 학습하게 하여 컨볼루션 연산의 전역 모델링 능력 부족을 보완한다. 둘째, 스킵 연결 부분에 새로운 위치 채널 주의 메커니즘을 도입하여 융합된 특징의 채널 정보를 인코딩하고 위치 정보를 보존하여 네트워크가 목표 구조를 포착하는 능력을 향상시킨다. 마지막으로, 네트워크가 위양성과 위음성 간 균형을 맞출 수 있도록 정규화된 Dice 손실 함수를 설계하여 분할 성능을 향상시켰다. ISBI2017 및 ISIC2018 데이터셋 기반의 비교 실험 결과, 본 논문의 네트워크는 Dice가 각각 91.48%와 91.30%, IoU가 각각 84.42%와 84.12%로 나타났다. 전반적으로 분할 정확도가 다른 네트워크보다 우수하며, 파라미터 수와 계산 복잡도가 낮아 피부 병변 이미지의 목표 영역을 효율적으로 분할할 수 있어 피부 질환 보조 진단에 도움을 줄 수 있다.

의료 영상 분할; 피부 병변; 교차 자가 주의 코딩; 위치 채널 주의