계층적 제한적 의미분할로 치아 층 구조 정확히 탐지

초록

본 논문은 치과 파노라마 영상에서 치아와 치조골의 층별 구조를 계층적으로 학습하는 새로운 의미분할 프레임워크를 제안한다. 기존의 손실 기반 계층 학습과 달리, 레벨별 재귀 예측, 제한적 출력 헤드, FiLM 기반 상향 피처 조절을 결합해 부모‑자식 클래스 간 일관성을 강제한다. 194장의 TL‑pano 데이터셋에 UNet·HRNet 기반 모델을 적용한 5‑fold 실험에서 IoU·Dice·Recall이 전반적으로 향상되었으며, 특히 미세 해부학적 클래스에서 큰 성능 개선을 보였다. 다만 정밀도 감소와 false‑positive 증가가 관찰돼 향후 정밀도 향상 방안이 필요하다.

상세 분석

이 연구는 치과 파노라마 영상에서 치아 층(layer)과 치조골을 정밀하게 구분하기 위해 ‘제한적 계층적 의미분할(Restrictive Hierarchical Semantic Segmentation)’이라는 새로운 접근법을 설계하였다. 핵심 아이디어는 클래스 트리를 레벨별로 나누어, 각 레벨마다 별도의 출력 노드를 사용하고, 이전 레벨의 로짓을 원본 이미지와 함께 다시 백본에 입력함으로써 재귀적으로 예측을 진행하는 것이다. 이렇게 하면 coarse‑level(예: Tooth)에서 학습된 전역 특징을 유지하면서 fine‑level(예: Enamel, Dentin, Pulp, Composite)에서는 보다 세밀한 특징을 학습할 수 있다.

출력 제한(Restrictive Output) 메커니즘은 각 레벨에서 해당 레벨에 속한 자식 클래스만을 예측하도록 강제한다. 따라서 자식 클래스는 반드시 부모 클래스가 양성으로 예측된 영역 안에서만 활성화될 수 있어, 논리적 일관성이 자연스럽게 보장된다. 이와 더불어 FiLM(Feature‑wise Linear Modulation) 기법을 활용해 부모 레벨의 확률 분포를 전역 요약 벡터로 변환하고, 이를 레벨‑ℓ의 피처 맵에 스케일·시프트 파라미터로 적용한다. 결과적으로 상위 레벨의 확신이 높은 영역에서는 하위 레벨 피처가 강조되고, 불확실한 영역에서는 억제되어 잡음이 감소한다.

계층적 확률 합성(Hierarchical Probability Composition) 규칙은 자식 클래스의 확률을 부모 클래스 확률에 곱하는 형태로 구현되어, 예측 결과가 트리 구조를 위배하지 않도록 강제한다. 손실 함수는 레벨별 가중 Dice와 Cross‑Entropy 손실에 더해, 부모‑자식 확률 일관성을 penalize하는 Consistency Loss를 포함한다. 이렇게 설계된 손실은 각 레벨의 학습을 독립적으로 진행하면서도 전역적인 계층 일관성을 유지한다.

데이터 측면에서는 194장의 파노라마 X‑ray와 7개의 의미분할 클래스(Upper/Lower Alveolar Bone, Tooth, Pulp, Dentin, Enamel, Composite)를 포함하는 TL‑pano 데이터셋을 새롭게 구축하였다. 클래스 트리는 JSON 파일로 제공되며, 부모 클래스는 직접 마스크에 저장되지 않고, 데이터 로더가 자식 마스크를 합산해 동적으로 생성한다.

실험에서는 UNet(경량 ConvNet)과 HRNet(고성능 멀티‑스케일 네트워크)을 베이스 모델로 사용하고, 각각에 계층적 변형을 적용하였다. 5‑fold 교차 검증 결과, 계층적 모델은 평균 IoU와 Dice가 3~5%p 상승했으며, 특히 Enamel·Pulp·Composite와 같은 미세 클래스에서 Recall이 크게 개선되었다. 그러나 Precision이 다소 감소해 False Positive 비율이 상승했으며, 이는 계층적 구조가 “가능성 있는” 영역을 과도하게 확장하는 경향 때문으로 해석된다.

전체적으로 이 논문은 (1) 재귀적 레벨‑별 입력‑출력 설계, (2) FiLM 기반 상향 피처 조절, (3) 확률 합성 및 일관성 손실이라는 세 가지 핵심 메커니즘을 통해 기존 손실‑기반 계층 학습의 한계를 극복하고, 데이터가 제한된 의료 영상 분야에서 의미분할 성능과 해석 가능성을 동시에 향상시켰다. 향후 연구에서는 False Positive 억제를 위한 정밀도‑재현율 균형 전략, 멀티‑모달(예: CBCT) 적용, 그리고 실시간 임상 적용을 위한 경량화 방안이 필요하다.