CT 병변 검출을 위한 레티나넷 강화: RECIST 기반 밀집 마스크와 자동 앵커 최적화

본 논문은 CT 영상에서 전신 병변을 단일 모델로 탐지하는 과제에 초점을 맞추고, 기존 2‑stage 검출 파이프라인이 갖는 한계—특히 작은 병변에 대한 민감도 저하와 라벨링 비용—를 극복하기 위해 RetinaNet 기반의 one‑stage 검출기를 설계·개선하였다. 주요 기여는 다음과 같다. 1. **앵커 구성 자동 최적화** - 기본 RetinaNet은 5가지 크기(32~512)와 3가지 비율(1:2,1:1,2:1)·3가지 스케일을 사용한다. 이는 CT 병변의 크기·형태 다양성을 충분히 커버하지 못한다. - 저자는 차등 진화(Differential Evolution) 알고리즘을 적용해 3개의 스케일과 5개의 비율(1:1 고정, 나머지는 역쌍)만을 최적화한다. 탐색 범위는 스케일