Attention UNet을 활용한 유방 초음파 영상 병변 분할: IoU, Dice, Accuracy, F1 Score 기반 개별 모델 평가

• 영문명: Lesion Segmentation in Breast Ultrasound Using Attention UNet: Evaluation of Individual Models Based on IoU, Dice, Accuracy, and F1 Score
• 발행기관: 대한방사선과학회(구 대한방사선기술학회)
• 저자명: 신민준(Min-Jun Shin) 안현(Hyun An)
• 간행물 정보: 『방사선기술과학』제48권 제2호, 179~187쪽, 전체 9쪽
• 주제분류: 의약학 > 방사선과학
• 파일형태: PDF
• 발행일자: 2025.04.30

국문 초록

본 연구에서는 Attention Mechanism이 적용된 UNet 모델을 활용하여 유방 초음파 영상에서 병변 분할 성능을 분석하였다. 기존 연구에서는 IoU를 주요 성능 지표로 활용하여 모델의 성능을 평가하였으나, 본 연구에서는 기존 연구의 IoU뿐만 아니라 Dice Coefficient, Accuracy, F1 Score를 기반으로 한 개별 모델을 구축하여 성능을 종합적으로 비교하였다. 실험 결과, IoU 및 Dice Coefficient 기반 모델이 가장 높은 분할 성능을 보였으며, Accuracy 기반 모델은 픽셀 단위의 정확도는 높았지만 병변 경 계를 명확하게 구별하는 능력이 부족하였다. F1 Score 기반 모델은 높은 Recall을 기록하여 False Negative를 줄이는 데 효과적 이었으나, Precision이 낮아 False Positive 발생 가능성이 증가하는 경향을 보였다. 본 연구를 통해 Attention Mechanism이 적 용된 UNet 모델이 기존 IoU 기반 방법보다 병변 분할 성능에서 향상된 결과를 보이며, IoU 및 Dice Coefficient 기반 학습이 병변 분할 성능을 극대화하는 데 효과적임을 확인하였다.

영문 초록

In this study, we analyzed the lesion segmentation performance in breast ultrasound images using a UNet model enhanced with an Attention Mechanism. Previous studies primarily used IoU as the key performance metric to evaluate model performance; however, in this study, we constructed individual models based not only on IoU from previous studies but also on Dice Coefficient, Accuracy, and F1 Score to comprehensively compare their performance. The experimental results showed that models based on IoU and Dice Coefficient achieved the highest segmentation performance, while the Accuracy-based model exhibited high pixel-wise accuracy but lacked the ability to clearly distinguish lesion boundaries. The F1 Score-based model demonstrated higher Recall, making it effective in reducing False Negatives, but its lower Precision led to an increased likelihood of False Positives. Through this study, we confirmed that the UNet model enhanced with an Attention Mechanism outperforms conventional IoU-based methods in lesion segmentation performance. Furthermore, IoU and Dice Coefficient-based training were found to be the most effective in maximizing lesion segmentation performance.

목차

Ⅰ. 서 론

Ⅱ. 대상 및 방법

Ⅲ. 결 과

Ⅳ. 고 찰

Ⅴ. 결 론

REFERENCES

키워드

유방 초음파 분할 어텐션 메커니즘 정확도 F1 점수 딥러닝 의료 영상 Breast Ultrasound Segmentation UNet Attention Mechanism IoU Dice Coefficient Accuracy F1 Score Deep Learning Medical Imaging