CT 기반 폐질환 스크리닝을 위한 효율적·신뢰성 프레임워크

초록

본 논문은 CT 영상의 전체 3D 볼륨을 처리하는 고비용 문제를 해결하고자, 대표성과 다양성을 동시에 고려한 클러스터 기반 슬라이스 서브샘플링(CSS)과, 보조 분류기 간 불일치를 활용해 데이터 모호성을 정량화하는 모호성 인식 불확실성 정량화(AUQ) 기법을 제안한다. 두 기법을 결합한 ERF는 두 공개 데이터셋(총 2,654개 CT)에서 90% 이상 정확도와 재현율을 유지하면서 처리 시간을 60% 이상 단축한다.

상세 분석

본 연구는 CT 기반 폐질환 자동 진단 시스템의 실용성을 크게 향상시키는 두 가지 핵심 기술을 제시한다. 첫 번째인 Cluster‑based Sub‑Sampling(CSS)은 기존의 전역적 슬라이스 선택이나 단순 보간법이 갖는 “대표성 부족·다양성 결여·연산량 폭증” 문제를 구조적으로 해결한다. 구체적으로, 전체 폐를 상·중·하 3개의 해부학적 구역으로 나눈 뒤, 각 구역에서 사전 학습된 MedCLIP‑ViT 인코더를 이용해 슬라이스를 d‑차원 특징벡터로 변환한다. 이때 특징벡터는 L2 정규화되어 거리 기반 연산의 안정성을 확보한다. 이후 HNSW 기반 근사 k‑NN 검색을 통해 각 슬라이스의 지역 밀도 D(z, z|k)를 빠르게 추정하고, 밀도 피크를 초기 후보로 선정한다. 그러나 밀도 피크만으로는 클러스터 간 중복이 발생할 수 있으므로, 논문은 Φ(z, t)라는 다양성 정규화 항을 도입한다. 이는 현재 선택 집합 Z(t‑1)과의 거리 합을 제곱근 형태로 가중하고, EMA(β)로 시간적 평활화를 적용해 학습 안정성을 높인다. 최종 선택은 1 − λ·Φ(z, t)와 D(z, z|k) 사이의 가중합을 최대화하는 목적식(3)을 반복적으로 최적화함으로써, 대표성과 다양성을 동시에 만족하는 슬라이스 집합 e_D를 도출한다. 이 과정은 후보 탐색을 현재 선택 슬라이스의 h‑최근접 이웃으로 제한함으로써 연산 복잡도를 O(N·h·T) 수준으로 낮춘다.

두 번째 핵심인 Ambiguity‑aware Uncertainty Quantification(AUQ)은 서브샘플링으로 인한 데이터 모호성을 정확히 포착한다. 기본 분류기 G와 두 개의 보조 분류기 G₁, G₂가 동일한 특징 추출기 F를 공유하지만 서로 다른 헤드 파라미터(W₁, W₂)를 갖는다. 보조 분류기들은 표준 교차 엔트로피 손실에 더해, 입력이 모호할수록 서로 다른 예측을 하도록 유도하는 불일치(discrepancy) 항 d_dis를 최대화한다. 여기서 d_dis는 p₁, p₂, p(기본) 사이의 L₁ 거리 평균으로 정의되며, (5)식에서 보조 분류기의 손실에 부정적으로 포함된다. 중요한 점은 d_dis에 대한 그래디언트가 백본 F에 역전파되지 않도록 차단함으로써, 특징 추출기의 표현력이 손상되지 않게 설계했다. 최종 불확실성 점수 U(x)는 d_dis와 예측 엔트로피 H(x)의 합으로 계산되며, 이는 “모델이 자신감 있게 예측하지만 실제로는 시각적 노이즈나 미세 병변에 취약한 경우”를 효과적으로 식별한다.

실험에서는 SARS‑CoV‑2와 LUNG‑PET‑CT‑Dx 두 공개 데이터셋을 합쳐 2,654개의 CT를 구성하고, NCP·CP·AC·Normal 네 클래스를 대상으로 세 개의 이진 분류 태스크(각 질환 vs. Normal)를 설정하였다. 5‑fold 교차 검증 결과, CSS는 64슬라이스 제한 하에서 기존 보간·히어스틱·대표성·다양성 기반 샘플링 방법들을 모두 능가했으며, 전체 CT 사용 시와 거의 차이가 없는 98.8% 수준의 정확도와 99.0% 수준의 재현율을 기록했다. 특히 샘플링 수를 32로 감소시켜도 성능 저하가 최소화되는 등 견고함을 입증했다. AUQ는 기존 엔트로피, MC‑Dropout, Deep Ensemble 등과 비교했을 때, 특히 어려운 AC vs. Normal 태스크에서 94.9% 이상의 정확도를 달성하며 모호성 탐지 능력이 뛰어남을 보였다.

전체적으로 본 논문은 (1) HNSW 기반 근사 k‑NN을 활용한 효율적 밀도·다양성 최적화, (2) 보조 분류기 간 불일치를 통한 모호성 특화 불확실성 정량화라는 두 혁신을 결합해, 고해상도 3D CT를 실시간 임상 환경에 적용할 수 있는 수준으로 경량화하면서도 진단 정확성을 유지한다는 점에서 큰 의의를 가진다. 향후 연구에서는 슬라이스 선택 예산을 동적으로 조정하거나, 멀티‑모달(CT + 임상 데이터) 통합을 통해 더욱 정밀한 위험도 평가 체계를 구축할 여지가 있다.