의료 영상 비교를 위한 새로운 지표, 프레셋 라디오믹 거리(FRD)

초록

본 논문은 의료 영상의 분포 차이를 정량화하기 위해 방사선학적 특징을 기반으로 한 Fréchet Radiomic Distance(FRD)를 제안한다. FRD는 기존 FID·RadFID와 달리 해석 가능하고 임상적으로 의미 있는 라디오믹 피처를 사용해 작은 샘플에서도 안정적이며, OOD 탐지·이미지‑투‑이미지 변환·무조건적 이미지 생성 평가에서 우수한 성능을 보인다.

상세 분석

FRD는 의료 영상 특유의 해부학적·조직학적 정보를 포착하기 위해 방사선학적 피처(Radiomics)를 직접 활용한다는 점에서 기존의 자연 이미지 기반 인셉션 특징을 이용한 FID와 근본적으로 차별화된다. 논문은 먼저 RadFID가 일부 개선을 보이지만 해석 가능성·소규모 데이터 안정성·특징 정규화 측면에서 한계를 갖는다고 지적한다. 이를 보완하기 위해 FRD는 94개의 기본 라디오믹 피처에 추가로 파동변환·고주파·저주파 필터링을 적용한 4가지 변형을 포함해 총 수백 개의 피처를 추출한다. 정규화는 최소-최대가 아닌 z‑score 방식을 채택해 이상치에 강인하며, 두 데이터셋 모두 동일한 기준 분포로 정규화함으로써 비교 가능성을 확보한다. 이렇게 구성된 피처 공간을 다변량 정규분포로 가정하고 Fréchet 거리 공식을 적용해 두 분포 간 차이를 수치화한다. 실험에서는 다양한 모달리티(MRI, CT), 장기(유방, 뇌, 척추, 복부) 및 스캐너·벤더 차이를 포함한 10여 개 데이터셋을 사용해 OOD 탐지, 이미지‑투‑이미지 변환, 무조건적 이미지 생성 모델을 평가했다. 결과는 FRD가 AUC, 정확도, 민감도 측면에서 기존 메트릭을 지속적으로 앞섰으며, 특히 라디오미션 전문가가 평가한 이미지 품질과 높은 상관관계를 보였다는 점에서 임상 적용 가능성을 강조한다. 또한 FRD는 작은 샘플(≤100장)에서도 변동성이 낮고 계산 비용이 적어 실시간 파이프라인에 적합하다. 추가 실험에서는 이미지 손상·노이즈·적대적 공격에 대한 민감도를 측정했으며, FRD가 이러한 변형을 더 잘 감지함을 확인했다. 마지막으로 저자들은 의료 이미지 유사도 메트릭을 종합적으로 평가할 수 있는 프레임워크와 공개 코드베이스를 제공해 향후 연구 재현성을 높였다. 전체적으로 FRD는 해석 가능성, 임상 연관성, 계산 효율성, 작은 데이터셋에 대한 안정성 등 의료 영상 특화 메트릭이 요구하는 다섯 가지 핵심 속성을 모두 만족시키는 포괄적 지표로 자리매김한다.