R2AoP: Reliable and Robust Angle of Progression Estimation from Intrapartum Ultrasound

R2AoP: 분만 중 초음파로부터의 신뢰성 있고 강건한 진행 각도 (AoP) 추정에 대한 상세한 기술 요약입니다.

문제 제기

분만 중 회음부 초음파로부터의 **진행 각도 (Angle of Progression, AoP)**의 정확한 추정은 객관적인 분만 진행 평가 및 임상적 의사결정에 필수적입니다. 그러나 자동화된 AoP 추정은 다음과 같은 중대한 과제에 직면해 있습니다:

1. 영상 열화: 초음파 영상은 스펙클 노이즈, 낮은 대비, 음향 음영, 흐린 경계로 인해 **치골 결합 (Pubic Symphysis, PS)**과 **태아 두부 (Fetal Head, FH)**의 가시성에 변동성이 발생합니다.
2. 오차 증폭: AoP 는 PS 축과 FH 접선에서 유도된 연쇄적 기하학적 측정치입니다. 경계 수준에서의 사소한 분할 오차조차 기하학적으로 증폭되어 상당한 각도 편차를 초래하고 측정 안정성을 저하시킵니다.
3. 도메인 이동: 임상 배포는 서로 다른 초음파 장치, 획득 매개변수, 운영자에 따른 변이를 수반합니다. 소스 데이터로 훈련된 모델은 다른 영상 강도와 질감을 가진 타겟 도메인에 적용될 때 종종 성능이 저하됩니다.

기존 방법들은 종종 분할 정확도를 우선시하거나 일관된 영상 조건을 가정하여, 교차 조건 안정성에 대한 특정 요구사항과 기하학적 계산에서의 오차 증폭 억제를 해결하지 못합니다.

방법론: R2AoP 프레임워크

저자들은 구조적 정보를 반영한 분할, 신뢰도 기반 기하학적 모델링, 그리고 경량의 테스트 시간 적응 (TTA) 전략을 통합한 R2AoP 프레임워크를 제안합니다.

1. 삼중 분기 국소 구조 강화 백본

중요한 경계 (PS 및 FH) 의 윤곽을 개선하기 위해, 저자들은 표준 백본을 삼중 분기 공유 인코딩 아키텍처로 대체합니다:

• 전역 컨텍스트: 한 분기는 전역 컨텍스트를 보존합니다.
• 국소 어텐션: 두 개의 추가 분기는 게이팅 메커니즘을 사용하여 보완적인 국소 영역을 강조합니다. 공간 게이팅 맵은 얕은 고해상도 특징에서 예측되어 입력과 픽셀 단위로 곱해져 보완적인 뷰를 형성합니다.
• 퓨전: 세 개의 스트림은 다중 스케일 특징을 추출하기 위해 인코더를 공유하며, 각 스케일에서 퓨전되어 디코더로 전달됩니다. 이 아키텍처는 경계 예측 정확도와 안정성을 향상시키기 위해 엔드 투 엔드로 훈련됩니다.

2. 신뢰도 기반 기하학적 모델링

이진 분할 마스크에만 의존하는 대신, 네트워크가 예측한 픽셀 단위 신뢰도 맵 ($S$) 을 활용합니다:

• 가중 컨투어 피팅: 경계 점은 공간 신뢰도에 따라 가중치가 부여됩니다. 가중 타원 피팅이 FH 컨투어에 수행되어 기하학적 매개변수 (중심, 축, 회전) 를 유도합니다.
• AoP 계산: AoP 는 PS 축과 피팅된 FH 타원의 접선 사이의 삼각 관계에 기반하여 계산됩니다.
• 신뢰도 지표 ($C_{AoP}$): AoP 신뢰도 점수는 기하학적 계산에 사용된 주요 경계 점들의 평균 공간 신뢰도로 정의됩니다. 이 지표는 특정 측정의 신뢰성을 정량화합니다.

3. 기하학적 신뢰도 기반 테스트 시간 적응 (TTA)

타겟 주석 없이 도메인 이동을 처리하기 위해, 저자들은 추론 중 소수의 매개변수 (정규화 레이어 및 선형 레이어의 아핀 매개변수) 만을 업데이트하는 경량의 TTA 전략을 도입합니다. 최적화 목적 함수 ($L_{tta}$) 는 세 가지 비지도 제약을 결합합니다:

• 엔트로피 최소화 ($L_{ent}$): 픽셀 단위 엔트로피를 최소화하여 확률 분포를 평탄한 상태에서 날카로운 상태로 유도함으로써 신뢰할 수 있는 분할 예측을 장려합니다.
• 공간 평활화 정규화 ($L_{tv}$): 인접 픽셀 간의 확률 불일치를 처벌하기 위해 총 변동 (Total Variation, TV) 을 사용하여 국소 노이즈의 증폭을 방지하고 공간적 일관성을 보장합니다.
• 기하학적 신뢰도 제약 ($L_{aop}$): $-\log(C_{AoP} + \epsilon)$을 최소화함으로써 AoP 신뢰도 ($C_{AoP}$) 를 최대화하는 새로운 항입니다. 이는 분할 업데이트를 명시적으로 제약하여 도메인 이동 하에서도 결과 기하학적 측정이 신뢰할 수 있고 안정적으로 유지되도록 합니다.

주요 기여

1. 통합 프레임워크: 연쇄 파이프라인에서의 오차 증폭을 완화하기 위해 경계 신뢰도 모델링과 기하학적 AoP 계산을 명시적으로 결합한 최초의 프레임워크입니다.
2. 구조적 강화: 노이즈가 많은 초음파에서 가늘고 (PS) 불연속적인 (FH) 구조의 표현을 강화하도록 특별히 설계된 게이팅 메커니즘을 갖춘 삼중 분기 백본입니다.
3. 기하학적 인식 적응: 주석 없는 타겟 도메인에서 안정적인 추론을 가능하게 하는 AoP 신뢰도를 기하학적 신뢰도 제약으로 활용하는 새로운 TTA 전략입니다.
4. 경량 효율성: 적응 과정은 정규화 및 선형 레이어 매개변수만 업데이트하여 계산적으로 효율적이므로 온라인 배포에 적합합니다.

실험 결과

이 방법은 PSFHS 데이터셋을 소스 도메인으로 사용하여 두 개의 타겟 도메인 벤치마크인 JNU-IFM 23과 IUGC 24에서 평가되었습니다.

• JNU-IFM 23 성능: R2AoP 는 **6.21°**의 AoP 오차를 달성하여 두 번째로 좋은 방법인 AoP-SAM 대비 오차를 0.07° 감소시켰습니다. 또한 경계 지표에서도 상당한 개선을 보여 PS 의 평균 대칭 표면 거리 (ASD) 는 3.12 mm, FH 는 2.00 mm였습니다.
• IUGC 24 성능: 이 방법은 모든 지표에서 최고의 결과를 달성하며 강력한 일반화를 입증했습니다. AoP 오차는 **4.22°**로 감소했으며, 전체 Dice 점수는 0.95, ASD 는 2.32 mm였습니다.
• 애블레이션 연구: 어떤 구성 요소 (삼중 분기 백본, 기하학적 제약, 엔트로피 최소화, TV 평활화) 를 제거하더라도 성능이 저하되었습니다. 특히 기하학적 신뢰도 제약은 IUGC 24 데이터셋에서 가장 큰 영향을 미쳐 심각한 도메인 이동 하에서 측정을 안정화하는 역할을 확인시켰습니다.

의의 및 주장

이 논문은 R2AoP 가 자동 산과 측정을 위한 기하학적 인식 패러다임을 확립했다고 주장합니다. 그 주요 의의는 분할에서 측정으로 이어지는 파이프라인에서의 오차 증폭으로 인한 "오래된 불안정성"을 해결하는 데 있습니다.

저자들은 다음과 같이 주장합니다:

• 기하학적 신뢰도를 강제하는 것은 분할 지표를 개선하는 것뿐만 아니라 자동화된 측정을 임상적으로 사용 가능하게 만드는 데 중요합니다.
• 제안된 공식은 일반화 가능하며 초음파를 넘어 다른 기하학적 의존성 측정으로 확장될 수 있습니다.
• 이 프레임워크는 이질적인 획득 조건과 도메인 이동이 관련된 시나리오에서 학습 기반 측정 시스템의 견고한 임상 배포를 위한 원칙적인 방향을 제시합니다.

소스 코드는 공개되어 있으며, 이 작업은 중국 국가 자연과학 재단과 칭화 대학의 지원을 받았습니다.