결장직장 용종 분할은 의사들이 대장 선종을 효과적으로 선별하는 데 도움을 줄 수 있으나, 용종 분할에는 노이즈가 많고 경계 구분이 충분하지 않은 문제점이 존재합니다. 이러한 문제를 해결하기 위해 본 논문에서는 경계 특징을 융합하는 캐스케이드 전략을 채용한 다중 스케일 용종 분할 네트워크를 설계하였습니다. 먼저, 백본 네트워크가 추출하는 이미지 특징을 강화하여 채널과 공간 위치 간 상관성을 높이기 위해 개선된 채널 그룹 공간 강화 모듈을 제안하였습니다. 둘째, 경계 구분도가 낮은 점을 고려하여 경계 정보를 보다 잘 보존하고 경계 구분도를 향상시켜 분할 정밀도를 높이기 위한 캐스케이드 특징 융합 네트워크를 설계하였습니다. 마지막으로, 특징의 상호 보완성과 보다 완전하고 효과적인 특징을 포착하기 위해 이중 분기 혼합 업샘플링 모듈을 도입하였습니다. CVC-ClinicDB와 Kvasir 데이터셋에서 테스트한 결과, 본 논문의 알고리즘은 각각 평균 Dice 계수 0.944, 0.920과 평균 교차비율 0.900, 0.869를 기록하였으며, M²SNet 알고리즘은 각각 평균 Dice 계수 0.922, 0.912와 평균 교차비율 0.880, 0.861을 기록하였습니다. ETIS-LaribPolypDB, CVC-300, CVC-ColonDB 데이터셋에서의 테스트에서는 본 논문의 알고리즘이 각각 평균 Dice 계수 0.776, 0.915, 0.782를 기록하였고, M²SNet 알고리즘은 각각 0.749, 0.903, 0.758를 기록하였습니다. 실험 결과는 본 논문의 알고리즘이 높은 분할 정밀도와 강한 일반화 능력을 가진다는 것을 보여줍니다.

다중 스케일 용종 분할;채널 그룹 공간 강화;경계 특징 강화;캐스케이드 특징 융합;이중 분기 업샘플링