리서치 연구
해부학 인식 기반 유방 MRI 합성 프레임워크 공개
Anatomy-Aware Synthesis of Post-Contrast Breast MRI from Pre-Contrast Images
arXiv사전 대비 영상만으로 사후 조영 증강 유방 MRI를 합성하는 '해부학 인식(anatomy-aware)' 딥러닝 프레임워크가 개발되었습니다.
세 줄 요약
- 이 방법은 유방 마스크, 병변 영역, 배경 실질 증강 등 다중 감독 조건을 통합하여 기존 모델 대비 높은 영상 충실도를 확보했습니다.
- 조영제 사용이 어렵거나 불가능한 환경에서도 고품질의 진단 보조 자료를 제공할 수 있는 새로운 가능성을 제시합니다.
- 임상 검증 결과, 합성 영상으로도 실제 영상과 유의미한 성능 차이가 없어 비(非)조영 환경 워크플로우에 활용될 잠재력이 높습니다.
연구진은 사전 조영 영상만으로 사후 조영 증강 유방 MRI를 합성하는 '해부학 인식(anatomy-aware)' 딥러닝 프레임워크를 개발했습니다. 이 연구는 총 649명의 환자로부터 얻은 6,251쌍의 전/후 조영 이미지를 사용하여 진행되었으며, 특히 종양 및 배경 실질 증강(BPE) 영역에 초점을 맞추었습니다.
제안된 프레임워크는 이미지-대-이미지 변환 모델을 통합하며, 유방 마스크 일관성, 병변 영역 감독, 그리고 BPE 영역 감독 등 다중 감독 조건을 결합하여 영상 합성의 충실도를 높였습니다. 평가에는 정량적 이미지 품질 지표 외에도 두 명의 유방 방사선 전문의를 통한 판독 연구와 Ki-67 분류가 포함되었습니다.
이 방법은 기존에 사용되던 Pix2Pix, Pix2PixHD, 그리고 확산 기반 합성 모델들보다 전체 이미지 및 영역별 평가에서 우수한 성능을 보였습니다. 특히 임상 검증 결과, Ki-67 분류 시 실제 영상과 합성 영상 간의 성능 차이가 통계적으로 유의미하지 않아 조영제 사용이 어려운 비(非)조영 환경 워크플로우에 활용될 잠재력을 제시합니다.