alumni.sjtu.edu.cn

이 이메일 도메인이 관측된 논문 1건

arXiv:2511.01143v2cs.CV

MicroAUNet: 대장내시경 용종 이미지 분할을 위한 경계 강화 다중 스케일 융합과 지식 증류

MicroAUNet: Boundary-Enhanced Multi-scale Fusion with Knowledge Distillation for Colonoscopy Polyp Image Segmentation

직장·대장 용종의 조기·정확한 분할은 대장암 사망률을 낮추는 데 핵심이며, 학계와 산업계에서 오랫동안 다루어져 왔다. 그러나 현재 심층 학습 기반 용종 분할 모델은 분할 결과에서 용종 경계가 모호해 임상 의사결정을 해칠 수 있거나, 계산 복잡도가 큰 무거운 아키텍처에 의존해 실시간 대장 내시경 응용에 필요한 추론 속도를 확보하지 못하는 경우가 많다. 이를 해결하기 위해 경량 어텐션 기반 분할 네트워크인 MicroAUNet을 제안한다. depthwise-separable dilated convolution과 단일 경로·매개변수 공유 채널-공간 어텐션 블록을 시너지적으로 결합해 다중 스케일 경계 특징을 효과적으로 강화한다. 이를 바탕으로 고용량 교사(teacher) 모델로부터 의미·경계 단서를 전달하는 점진적 2단계 지식 증류 방식을 도입한다. 벤치마크에 대한 광범위한 실험에서도 극히 낮은 모델 복잡도 조건에서 최첨단 수준의 정확도가 확인되어, MicroAUNet이 실시간 임상 용종 분할에 적합함을 보여준다. 코드는 https://github.com/JeremyXSC/MicroAUNet 에서 공개되어 있다.