Anatomy-Slot: Unsupervised Anatomical Factorization for Homologous Bilateral Reasoning in Retinal Diagnosis

기술 요약: 양안 망막 진단을 위한 해부학-슬롯 (Anatomy-Slot)

문제 제기
망막 진단은 본질적으로 양안 임상 작업으로, 임상가는 질병을 탐지하기 위해 좌우 눈 간의 동종 구조 (예: 시신경 유두 비대칭) 를 비교합니다. 그러나 기존 대부분의 딥러닝 모델은 각 눈을 독립적으로 처리하는 단안 표현에 의존합니다. 저자들은 질감 기반의 단안 분류가 양안 질병 탐지에는 불충분하며, 임상적으로 정렬된 성능을 달성하려면 명시적인 구조적 비교가 필요하다고 가설을 세웠습니다. 문헌에는 양안 모델링과 객체 중심 슬롯 분해가 각각 존재하지만, 동종 해부학적 추론을 위한 명시적 대응 단위로써 이들의 통합이 통계적으로 통제된 조건 하에서 경험적으로 검증된 바는 없습니다.

방법론: 해부학 - 슬롯 (Anatomy-Slot)
제안된 해부학 - 슬롯 프레임워크는 비지도 해부학적 병목 장치를 통해 명시적 교차 - 눈 대응의 가설을 실현합니다. 파이프라인은 다음 구성 요소로 이루어집니다:

1. 백본 및 토큰화: 쌍을 이루는 양안 안저 이미지 $(x_L, x_R)$가 주어지면, 모델은 패치 토큰을 추출하기 위해 공유된 RETFound ViT-L 백본을 활용합니다.
2. 비지도 해부학적 분해 (슬롯 어텐션): 각 눈의 경우, 패치 토큰은 슬롯 어텐션 ($I=3$ 반복) 을 사용하여 $K$개의 객체 중심 슬롯으로 분해됩니다. 이 과정은 슬롯을 학습 가능한 매개변수로 초기화하고, 경쟁적 어텐션 메커니즘 (슬롯에 대한 소프트맥스, 토큰에 대해 재규격화) 과 GRU 를 통해 이를 업데이트하여 눈당 일련의 슬롯 표현 $S \in \mathbb{R}^{K \times D}$를 생성합니다.
3. 양방향 교차 - 눈 대응: 동종 구조를 정렬하기 위해 모델은 양방향 교차 어텐션을 사용합니다. 왼쪽 눈의 슬롯은 멀티헤드 교차 어텐션 ($H=8$) 을 사용하여 오른쪽 눈의 슬롯을 쿼리하고 (그 반대도 마찬가지), 이를 통해 모델이 눈 간 슬롯을 명시적으로 정렬하여 대응 인식 표현을 생성할 수 있게 합니다.
4. 이중 목적 학습: 모델은 결합된 목적 함수로 훈련됩니다:
   • 분류 손실 ($L_{cls}$): 질병 진단을 위한 표준 지도 학습 손실.
   • 재구성 손실 ($L_{recon}$): 각 슬롯이 패치별 RGB 값과 마스크 로지트를 예측하는 비지도 보조 작업. 경량 디코더가 저해상도 RGB 이미지를 재구성합니다. 이 손실은 슬롯 학습을 안정화하고 슬롯 붕괴를 방지합니다.
   • 전체 목적 함수: $L = L_{cls} + 0.5 L_{recon}$.
5. 훈련 프로토콜: 슬롯 모듈은 약 2 만 장의 레이블이 없는 망막 이미지 풀에서 비지도 사전 훈련을 거칩니다. 대상 데이터셋에 대한 지도 미세 조정 중에는 마지막 ViT 블록과 레이어 정규화 매개변수만 잠금 해제되며, 슬롯 반복 횟수는 3 으로 축소됩니다.

주요 기여

• 아키텍처: 슬롯이 대응 단위로 작용하고 교차 어텐션이 명시적인 교차 - 눈 정보 교환을 용이하게 하는 새로운 양안 슬롯 기반 아키텍처.
• 통계적 엄밀성: 통계적 유의성을 보장하기 위해 $n=10$개의 독립 시드, 95% 신뢰 구간, 비모수 쌍체 검정 (윌콕슨 부호 순위 검정) 을 포함하는 견고한 평가 프로토콜.
• 기전 분석: 대응에 대한 모델의 의존성을 탐구하는 포괄적인 테스트로, 페어링 방해 실험, 가우시안 노이즈 하의 스트레스 테스트, 시신경 유두 기반 분석의 정량적 분석을 포함합니다.

결과
ODIR-5K 데이터셋 (양안 멀티레이블 진단) 에서 평가된 결과, 이 방법은 일치하는 베이스라인 대비 유의미한 개선을 보여줍니다:

• 성능: 해부학 - 슬롯은 매칭된 ViT-L 베이스라인 (0.823) 대비 4.2% 향상된 매크로 AUC 0.865를 달성합니다. 이 개선은 통계적으로 유의미합니다 ($W=0, p=0.002$).
• 어블레이션 연구:
  • 슬롯 없는 양안 처리는 미미한 향상 (0.828 AUC) 만 제공합니다.
  • 교차 - 눈 상호작용 없는 슬롯 분해는 성능이 저하됩니다 (0.754 AUC).
  • 재구성 손실을 제거하면 슬롯 붕괴가 발생하여 성능이 0.729 AUC 로 저하됩니다.
  • 전체 모델의 성능은 $K=8$개의 슬롯에서 정점을 찍으며, 슬롯이 적으면 해부학을 과소 표현하고, 많으면 대응이 희석됩니다.
• 대응 의존성: 좌우 페어링이 방해받을 때 (평가 중 셔플), 해부학 - 슬롯의 성능은 18.3 포인트 (0.865 에서 0.682 로) 하락하는 반면, 베이스라인은 3.2 포인트만 하락합니다. 이는 모델이 동종 구조 매칭에 의존한다는 가설을 지지합니다.
• 강건성: 가우시안 노이즈 ($\sigma=0.2$) 하에서 해부학 - 슬롯은 0.685 의 AUC 를 유지하여 베이스라인 (0.578) 과 "슬롯 없음" 변형 (0.595) 보다 우수한 성능을 보입니다.
• 기반 (Grounding): REFUGE 데이터셋 (제로샷 전이) 에서 모델은 슬롯 1 을 사용하여 시신경 유두 국소화에 대해 평균 교차율 (mIoU) 0.635를 달성하여 K-Means 특징 클러스터링 베이스라인 (0.452) 을 크게 능가합니다.
• 분리 가능성: 차수 penultimate 표현 공간의 피셔 비율이 0.85(베이스라인) 에서 1.62(해부학 - 슬롯) 로 증가하여 향상된 클래스 분리 가능성을 나타냅니다.

의의 및 주장
이 논문은 비지도 해부학적 분해를 통한 교차 - 눈 대응의 명시적 모델링이 망막 질병 탐지에서의 진단 성능을 크게 향상시킨다고 주장합니다. 결과는 성능 향상이 양안 처리나 슬롯 분해 단독이 아니라, 구조화된 객체 중심 슬롯과 교차 - 눈 정렬의 결합에서 비롯됨을 시사합니다.

저자들은 이 작업을 "임상적으로 정렬된 망막 AI"를 향한 한 걸음으로 위치시키며, 모델이 비지도 방식으로 동종 해부학적 매칭에 의존하도록 학습할 수 있음을 보여줍니다. 기전 분석 (페어링 방해, 어텐션 국소화) 은 모델의 행동이 동종 구조를 비교하는 임상적 추론 과정과 일관됨을 입증합니다. 저자들은 단일 데이터셋에 대한 평가와 임상적 불일치에 대한 추가 테스트 필요성 등 한계를 인정하지만, 이 접근법이 해석 가능한 진단 지원 시스템으로 가는 길을 제시한다고 결론지었습니다.