두경부 종양은 우리나라에서 흔한 악성 종양으로, 예후는 주로 경부 림프절 전이의 영향을 받습니다. 의학에서는 자기공명영상(MRI) 기술을 통해 전이성 림프절을 영상화한 후 진단을 진행합니다. 그러나 자기공명영상 기술은 병변 형태 정보 손실, 병변 부위 대비 저하, 병변 경계 모호성 등의 문제가 존재합니다. 이러한 문제를 해결하기 위해 두경부 종양 전이성 림프절 분할 네트워크가 제안되어 의사의 진단을 보조합니다. 먼저, 층간 및 시야간 주의 모듈을 설계하였으며, 이는 깊고 얕은 층의 특징 정보를 수신한 후 자기 주의 메커니즘을 활용하여 깊고 얕은 층의 전이 림프절 형태를 각각 강조합니다. 다양한 수용 영역을 가진 깊은 특징 맵을 통해 더 나은 의미론적 문맥 특징을 학습하고, 얕은 특징 맵과 깊은 특징 맵을 픽셀 단위로 융합하여 전이 림프 병변 부위의 형태 정보를 강화합니다. 다음으로 다중 스케일 특징 융합 모듈을 설계하여 특징 피라미드의 초기 위치에서 다양한 스케일의 특징 맵을 융합하여 전이 림프 병변 부위의 형태 정보를 풍부하게 합니다. 그 후, 예측 강화 주의 헤드 모듈을 설계하여 예측 전 특징 맵에 병렬 자기 주의 및 게이트 채널 변환 모듈을 사용하여 병변 부위를 도드라지게 하고 병변 경계를 세분화합니다. 마지막으로 임상 림프절 전이 의학 영상 데이터셋을 사용하여 네트워크의 유효성을 검증하였습니다. 실험 결과, 제안된 네트워크는 림프절 전이 병변 분할에 대해 각각 74.88%, 74.12%, 63.11%, 62.28%, 74.64%, 74.04%의 APdet, APseg, ARdet, ARseg, mAPdet 및 mAPseg를 달성하였습니다. 이 네트워크는 림프절 전이 병변 부위의 정확한 검출 및 분할을 실현하여 림프절 진단 보조에 긍정적인 의의를 가집니다.

의학 영상 처리;두경부 종양;림프절 전이;인스턴스 분할;주의 메커니즘