의료 영상 초고해상도 복원을 위한 교차 상태공간 전파와 내부 재구성

초록

MedVSR은 의료 영상의 특수한 흔들림·노이즈·급격한 프레임 전이 문제를 해결하기 위해 교차 상태공간 전파(CSSP)와 내부 상태공간 재구성(ISSR) 모듈을 도입한 초고해상도(VSR) 프레임워크이다. CSSP는 먼 프레임을 제어 행렬로 변환해 일관된 특징을 선택적으로 전파함으로써 정밀한 정렬을 보완하고, ISSR은 장거리 공간 특징 학습과 대형 커널 단거리 정보 집합을 결합해 조직 구조를 보존하고 인공 아티팩트를 최소화한다. 네 개의 의료 데이터셋(내시경, 백내장 수술 등)에서 기존 VSR 모델들을 크게 앞서며, 효율성까지 확보한다.

상세 분석

MedVSR은 의료 영상 특유의 급격한 카메라 움직임과 저해상도·노이즈에 의해 발생하는 광학 흐름 오류를 근본적으로 완화한다. 핵심 아이디어는 상태공간 모델(SSM)을 활용해 먼 프레임을 직접 정렬하는 대신, 해당 프레임을 “제어 행렬”로 투사하여 현재 프레임의 상태 전이 과정에 개입시키는 교차 상태공간 전파(CSSP)이다. 구체적으로, t‑2 프레임의 특징을 윈도우 단위로 분할하고, 이를 MLP와 결합해 t‑1 프레임의 숨은 상태 h에 입력한다. 이때 제어 행렬 C는 t‑2 프레임에서 추출되며, A·h+B·x 형태의 선형 ODE를 이산화한 SSM 연산을 통해 y=C·h가 계산된다. 결과적으로, 먼 프레임이 제공하는 일관된 구조 정보가 현재 프레임의 특징 전파에 직접적인 가중치 역할을 하여, 전통적인 옵티컬 플로우 기반 정렬이 실패하는 상황에서도 안정적인 특징 전달이 가능해진다.

또 다른 핵심 구성요소인 내부 상태공간 재구성(ISSR)은 전파된 특징을 다시 한 번 상태공간 시퀀스로 처리한다. 앞·뒤 양방향 브랜치에서 얻은 특징을 결합한 뒤, 1‑D 컨볼루션을 통해 입력‑종속 B와 C 파라미터를 생성하고, Mamba2 스타일의 병렬 투사 방식을 적용한다. 이 과정에서 장거리 공간 상관관계를 효율적으로 학습하면서도, 대형 커널 분리 블록(LKSB)을 삽입해 근거리 정보를 풍부히 보강한다. 대형 커널은 조직의 미세한 텍스처와 연속적인 형태를 보존하는 데 기여하고, SSM 기반의 장거리 학습은 전역적인 구조 일관성을 유지한다.

알고리즘 복잡도 측면에서, CSSP와 ISSR 모두 O(N) 선형 시간 복잡도를 유지한다. 기존 VSR 모델이 고해상도 영상에서 광범위한 어텐션이나 다중 스케일 CNN을 사용해 연산량이 급증하는 반면, MedVSR은 상태공간의 재귀 스캔과 로컬 윈도우 파티셔닝(LW)으로 메모리와 연산을 크게 절감한다. 실험 결과는 네 개의 의료 데이터셋(EndoVis, CVC‑ClinicDB, Cataract‑Surgery, 기타 외과 영상)에서 PSNR/SSIM이 평균 1.2 dB·0.03 ↑ 향상되었으며, FLOPs 기준 30 % 정도의 효율성 개선을 보여준다. 특히, 급격한 프레임 전이 구간에서 기존 모델이 발생시키는 구조 왜곡과 아티팩트가 크게 감소해, 임상 의사가 신뢰할 수 있는 시각적 정보를 제공한다.

요약하면, MedVSR은 (1) 먼 프레임을 제어 행렬로 활용해 정렬 오류를 회피하는 CSSP, (2) 장·단거리 공간 정보를 통합해 조직 세부를 보존하는 ISSR, (3) 상태공간 모델의 선형 효율성을 기반으로 한 경량 설계라는 세 축을 통해 의료 영상 초고해상도 복원의 정확도와 실용성을 동시에 달성한다.