맥락 정보 조절 및 위양성 분류기를 통한 MRE 영상에서 염증성 장질환 검출 (Detection of Inflammatory Bowel Disease in MRE Images Using Contextual Information Modulation and Detection Refinement Classifier)

서지정보

· 발행기관 : (사)한국컴퓨터그래픽스학회
· 수록지 정보 : 한국컴퓨터그래픽스학회논문지 / 31권 / 2호 / 37 ~ 45페이지
· 저자명 : 이채린, 이한상, 서니은, 임준석, 홍헬렌

초록

크론병(Crohn’s disease)은 만성 염증성 장 질환으로 크론병의 정확한 진단과 중증도 판정을 위해 MRE 영상에서 염증성 부위를 정확하게 검출하는 것이 필수적이다. MRE 영상에서 염증 검출은 다양한 크기와 위치, 형태와 신호강도를 가지고 있어 검출이 어렵고 높은 밝기 값으로 인해 신호 강도가 유사한 대변, 액체, 혈관 등과혼동되어 위양성 검출이 나타나는 한계가 있다. 본 연구는 맥락 정보를 조절하는 Focal Modulation Network를활용한 Mask R-CNN과 염증과 비염증을 분류하는 Detection Refinement Classifier를 제안한다. 공간적 맥락 정보를 반영해 염증 영역을 강조하고 염증과 비염증의 차이를 학습해 위양성을 줄인다. 실험 결과, 제안 방법은기존 Mask R-CNN mAP(37.9%) 대비 높은 mAP(52.8%)를 보였으며 위양성 검출이 감소됨을 확인하였다

영어초록

Crohn’s disease is a chronic inflammatory bowel disease, and accurately detecting inflammatory regions in MRE images is essential for its diagnosis and severity assessment. Detecting inflammation in MRE images is challenging due to variations in size, location, shape, and signal intensity, as well as similarities with structures such as stool, fluid, and vessels, which lead to a high false positive rate. This study proposes a Mask R-CNN integrated with a context-aware Focal Modulation Network and a Detection Refinement Classifier to classify inflammatory and non-inflammatory regions. The proposed method enhances the detection of inflammatory regions by incorporating spatial context and learning the distinctions between inflammatory and non-inflammatory areas, effectively reducing false positives. Experimental results demonstrate that the proposed method achieves a higher mAP (52.8%) compared to the Mask R-CNN (37.9%) and decreases false positive detection.

참고자료

· 없음