텍스처 기반 초음파 기초 모델 프레임워크

초록

본 논문은 초음파 영상의 고유한 텍스처 특성을 활용해 자체 지도학습을 재구성한 TUSA(Texture Ultrasound Semantic Analysis) 프레임워크를 제안한다. Swin‑UNETR 기반 인코더‑디코더에 K개의 텍스처 채널을 분리하고, 대비 학습과 재구성 손실을 결합해 9 M 파라미터의 경량 모델을 학습한다. 공개 데이터와 시뮬레이션·인‑비보 데이터를 혼합해 훈련한 뒤, COVID‑19, 척수혈종, 유리체 출혈 등 다양한 임상 과제에서 기존 초음파 파운데이션 모델을 능가하는 성능을 보였다.

상세 분석

본 연구는 초음파 영상이 자연 영상과 근본적으로 다른 물리적 메커니즘—산란·반사·음속 변이—에 의해 형성되는 제한된 텍스처 집합을 갖는다는 점을 출발점으로 삼는다. 이러한 특성을 모델에 명시적으로 주입하기 위해 저자들은 자기지도학습을 “텍스처 분석” 문제로 재정의하고, 이를 구현한 TUSA 프레임워크를 설계하였다. 핵심 아이디어는 B‑mode 이미지를 K개의 텍스처 채널로 세분화하고, 각 채널에 독립적인 학습 가능한 커널을 적용해 원본 강도를 재구성하도록 하는 두 단계 자동인코딩 구조이다.

구현 측면에서 Swin‑UNETR을 기반으로 한 인코더‑디코더를 선택했으며, Sparsemax 활성화를 통해 픽셀당 가장 적합한 텍스처 채널을 선택하도록 유도한다. 재구성 단계에서는 depth‑wise separable convolution과 1×1 tanh 레이어를 사용해 채널을 합쳐 최종 강도 맵을 복원한다. 손실 함수는 NT‑Xent 대비 손실, L1, SSIM, LPIPS를 결합하고, 채널 사용을 촉진하기 위해 채널‑별 엔트로피를 부정적으로 페널티한다. 이러한 설계는 텍스처 간 중복을 최소화하고, 모델이 물리적 텍스처 패턴에 집중하도록 만든다.

학습 데이터는 100 k 장에 달하는 공개 초음파 데이터셋(복부, 심장, 유방, 근골격 등)과 k‑wave 기반 시뮬레이션, 마우스 종양 데이터 등을 포함한다. 장기적인 일반화 평가를 위해 저자들은 공개 온라인 데이터와 자체 수집한 안구 초음파 데이터(총 446 장)를 사용했다.

성능 평가에서는 TUSA의 잠재 공간을 MedSAM, UltraSam, USFM 등 기존 파운데이션 모델과 비교하였다. COVID‑19 진단 정확도 70 %, 척수혈종 100 %, 유리체 출혈 97 %라는 높은 정확도를 기록했으며, 간 지방증(r = 0.83), 좌심실 박출량(r = 0.63), 산소 포화도(r = 0.38)와 같은 정량적 임상 지표와도 높은 상관성을 보였다. 파라미터 수가 86 M인 기존 모델 대비 9 M 파라미터만을 사용함에도 불구하고 전반적인 일반화 능력이 우수함을 입증한다.

한계점으로는 텍스처 채널 수 K를 고정(5채널)함으로써 복잡한 조직 구조를 충분히 포착하지 못할 가능성, 그리고 B‑mode 이미지 외의 도플러·탄성 영상에 대한 확장성이 아직 검증되지 않은 점을 들 수 있다. 또한, 대규모 임상 검증이 부족해 실제 현장 적용 시 성능 변동성을 예측하기 어렵다. 향후 연구에서는 다중 모달 초음파 데이터와 가변형 텍스처 채널 설계를 도입하고, 대규모 다기관 임상 시험을 통해 모델의 신뢰성을 강화할 필요가 있다.