픽셀레벨 반사실 대비 학습으로 의료 영상 분할 혁신

본 연구는 의료 영상 특히 흉부 X‑ray에서 폐 영역을 정확히 분할하기 위해, 라벨이 부족한 상황에서도 강건한 특징을 학습할 수 있는 새로운 자기지도 사전학습 프레임워크를 제시한다. 기존 대비 학습은 이미지 전체를 하나의 임베딩으로 처리해 전역적인 특징만을 학습하는 반면, 의료 영상 분할은 픽셀 단위의 정밀한 위치 정보를 필요로 한다. 이를 해결하기 위해 저자들은 두 가지 핵심 요소를 결합한다. 첫째, 구조적 인과 모델(SCM)을 기반으로 한 반사실 생성기(Hierarchical Variational AutoEncoder, HVAE)를 이용해 스캐너 종류와 흉수(PE) 존재 여부를 변수로 조작, 실제 임상 환경에서 발생할 수 있는 다양한 변동을 시뮬레이션한다. 이 과정에서 원본 이미지와 세 종류의 반사실 이미지(스캐너 변환, PE 변환, 복합 변환)를 만든 뒤, 전통적인 랜덤 회전·크롭·색상 왜곡과 결합해 풍부한 데이터 증강 풀을 만든다. 둘째, 이러한 다중 뷰를 활용한 밀집 대비 학습을 설계한다. Dual‑View Dense Contrastive Learning(DVD‑CL)은 원본(앵커) 뷰와 각각의 반사실 뷰를 짝지어, 동일 공간 위치에 있는 픽셀을 양성 쌍, 다른 위치의 픽셀을 음성 쌍으로 정의한다. NT‑Xent 손실을 각 뷰 쌍에 대해 계산하고 평균화함으로써, 픽셀‑레벨 임베딩이 위치 불변성을 갖도록 학습한다. Multi‑View Dense Contrastive Learning(MVD‑CL)은 모든 뷰를 동시에 고려해 모든 가능한 픽셀 쌍에 대해 손실을 계산한다. 계산 효율성을 위해 각 뷰당 1,000개의 픽셀을 무작위 샘플링하고, 동차 변환 행렬을 이용해 정확한 위치 매핑을 보장한다. 또한, 은표준 라벨(자동 생성된 CheXmask 마스크)을 활용한 감독 변형을 제안한다. Supervised DVD‑CL(S‑DVD‑CL)과 Supervised MVD‑CL(S‑MVD‑CL)은 동일 클래스(좌·우 폐) 픽셀을 양성, 서로 다른 클래스는 음성으로 정의해 손실을 계산한다. 이때 배경 픽셀은 앵커에서 제외해 의미 있는 학습을 유도한다. 학습된 임베딩을 평가하기 위해 저자들은 CHRO‑map이라는 시각화 기법을 도입한다. 고차원 임베딩을 UMAP으로 2차원에 투영하고, 최소 타원을 단위 원으로 정규화한 뒤, 각 점을 HSV 색상으로 매핑한다. 색상이 유사한 픽셀은 임베딩 공간에서 가깝다는 의미이며, 이를 원본 이미지에 오버레이해 직관적인 시각적 분석이 가능하다. 실험 결과 DVD‑CL은 폐와 척추 사이의 상대적 위치에 따라 색상이 구분되는 패턴을 보여, 공간적 인식이 학습되었음을 확인했다. 반면 MVD‑CL은 의미 있는 클러스터가 형성되지 않아 성능이 저조했다. 실험은 PadChest 데이터셋(≈60k 학습, 17k 검증)과 CheXmask 은표준 라벨을 사용했으며, 70장의 수동 라벨(건강 20, PE 50)로 전이 학습을 수행했다. 무감독 DVD‑CL은 SimCLR·VAD​ER 대비 Dice 점수에서 0.2%~0.5% 상승했으며, 특히 PE 환자에 대한 분할 정확도가 크게 개선되었다. 감독 변형 S‑MVD‑CL은 은표준 라벨만을 이용한 사전학습보다 평균 DSC 93.9%를 달성했고, 이는 기존 최고 성능을 넘어서는 결과다. 또한, 모든 제안 방법은 fold 간 성능 편차가 감소해 일반화 능력이 향상된 것을 보여준다. 논문의 주요 기여는 다음과 같다. (1) 인과 모델 기반 반사실 생성으로 실제 임상 변동을 정교하게 모사, (2) 픽셀‑레벨 대비 학습(DVD‑CL, MVD‑CL)으로 공간 정보를 보존하면서도 라벨이 없는 대규모 데이터를 활용, (3) 은표준 라벨을 이용한 감독 변형(S‑DVD‑CL, S‑MVD‑CL)으로 라벨 효율성을 극대화, (4) CHRO‑map을 통한 임베딩 시각화와 정량적 평가. 한계점으로는 인과 그래프가 사전에 정의돼야 하고, 반사실이 실제 임상 상황을 완전히 대변하지 못할 수 있다는 점을 들며, 향후 3D 영상, 반감독 학습, 대규모 인과 그래프 자동 학습 등으로 확장할 필요성을 제시한다.