3차원 의료영상 (CT,MRI) 이미지는 주로 객체 탐지를 위한 의미론적 분할 모델이 사용된다. 이러한 알고리즘은 압축된 데이터 표현을 배움으로서 영상 데이터에서의 배경 및 실제 예측 하려는 병변에 대한 탐지를 한다. 이러한 영상 데이터가 가지는 특징으로서는 찾고자 하는 병변이 실제 전 영역 대비하여 아주 불균형적으로 분포해 있다는 것이며 이러한 특징으로 인하여 이러한 불균형은 예측 값의 성능을 낮추는 효과를 가져온다. 그리고 3차원 의료영상은 기존의 2차원 이미지를 바탕으로 한 의미론적 분할 모델과는 달리 각 평면상의 방향에 따라 실제 병변의 모양 및 형태가 달라진다. 이러한 3차원 데이터의 초점에 맞춘 모델을 설계하는 방법은 없을까? 라는 질문으로부터 시작하여 본 연구에서는 각 평면의 방향에 대한 Attention 기법인 Plane Attention Module 을 제시한다. 본 방법론은 기존의 3차원 영상에서의 의미론적 분할 모델의 일반적인 형태의 Encoder-Decoder 모델에서 대표적으로 쓰이는 모델인 3D U-Net 을 바탕으로 하여 Encoder Part의 압축된 데이터 표현을 세분화 하는 데 집중하였다. 본 연구에서는 해당 방법을 통하여 신장암 검출에 있어서 기존 방법론을 능가하는 분할 성능을 달성함을 보여준다. 또한 이러한 결과를 다른 모델들의 결과들과 시각화를 하여 비교하였다.