기술 요약: 실제 환경의 레이블 노이즈 하에서의 연합 의료 영상 분할

문제 정의

연합 학습(Federated Learning, FL)은 민감한 데이터를 중앙 집중화하지 않고도 협력적인 의료 영상 분할을 가능하게 합니다. 그러나 실제 배포 환경은 전문가 간의 편차, 주석(annotation) 오류, 자동 생성된 레이블로 인한 **레이블 노이즈(label noise)**에 의해 저해됩니다. 분할 작업에서 이러한 노이즈는 윤곽선 불일치, 타겟 인스턴스의 누락 또는 추가, 클래스 레이블 혼동 등의 형태로 나타납니다. 이러한 결함은 모델 성능을 저하시키고 임상 워크플로우 전반에 악영향을 미칠 수 있습니다.

**연합 노이즈 레이블 학습(Federated Noisy Label Learning, FNLL)**이 이러한 영향을 완화하는 것을 목표로 하지만, 실질적인 채택은 제한적입니다. 기존 연구들은 합성된 노이즈, 단순화된 클라이언트-노이즈 시나리오, 그리고 좁은 범위의 데이터셋에 크게 의존하고 있어, 데이터 및 주석의 이질성이 본질적인 실제 연합 환경의 복잡성을 포착하지 못합니다. 또한, 표준화된 벤치마크의 부재로 인해 특정 노이즈 유형 및 배포 시나리오에 따른 체계적인 평가와 정보에 기반한 방법 선택이 어렵습니다.

방법론

저자들은 실제 조건 하에서 FNLL 방법들을 평가하기 위해 설계된 종합적인 **벤치마크 스위트(benchmark suite)**를 소개합니다. 이 스위트는 네 가지 핵심 구성 요소로 통합됩니다.

1. 실제 세계의 레이블 노이즈를 포함한 데이터셋

본 벤치마크는 다양한 모달리티(CT, Fundus, 현미경, MR)와 임상 영역(흉부, 망막, 전립선, 마우스 종양, 다중 장기)을 아우르는 6개의 큐레이션된 의료 영상 분할 데이터셋을 활용합니다.

• 노이즈 소스: 레이블은 합성된 오염이 아니라, 내재된 전문가 간 변이(다중 검사자 데이터셋) 또는 자동으로 생성된 레이블로부터 도출되었습니다.
• 그라운드 트루스(Ground Truth): 다수결 투표, STAPLE 퓨전 또는 전문가 주석을 통해 깨끗한 참조값을 설정했습니다.
• 노이즈 유형: 데이터셋은 윤곽선 불일치, 누락/추가된 인스턴스, 클래스 혼동의 혼합된 특성을 보입니다.

2. 연합 벤치마킹 프레임워크

• 아키텍처: 클라이언트 간의 작업 적응형 전처리 및 일관된 네트워크 구성을 보장하기 위해 nnU-Net을 연합 방식으로 적응시켜 구축되었습니다.
• 클라이언트-노이즈 시나리오: 강건성을 테스트하기 위해 네 가지 시나리오를 평가합니다.
  • Clean (클린): 모든 클라이언트가 깨끗한 레이블을 사용합니다.
  • Noisy (노이지): 모든 클라이언트가 노이즈가 있는 레이블을 사용합니다.
  • Ratio of Clients (roc): 클라이언트 중 일부 비율 $p$가 완전히 노이즈가 있는 상태입니다.
  • Ratio on All (roa): 각 클라이언트 내에 노이즈 샘플의 비율 $p$가 포함되어 있습니다.
• 평가 지표:
  • 일반 지표: Dice score (중첩 기반).
  • 노이즈 특화 지표: HD95 (윤곽선 불일치), 인스턴스 레벨 F1 (누락/추가 구조물), Class Confusion (레이블 교체).
  • 통계적 엄밀성: 기준점(baseline) 대비 유의성을 평가하기 위해 부트스트랩 리샘플링(1000회 반복)과 Holm-Bonferroni 보정이 적용된 일방 검정 Wilcoxon signed-rank test를 사용합니다.

3. 벤치마크 대상 FNLL 방법들

다섯 가지 대표적인 방법이 표준 FedAvg 베이스라인과 비교됩니다.

• FedA³I (노이즈 인식 집계): 가우시안 혼합 모델(GMM)을 통해 클라이언트 신뢰도를 추정하여 업데이트 가중치를 재조정하며, 윤곽선 편향을 타겟팅합니다.
• IOP-FL (노이즈 강건 개인화): 로컬 및 글로벌 그래디언트 정보를 융합하여 클라이언트별 분포에 모델을 적응시킵니다.
• FedCorr (레이블 교정): 노이즈가 있는 클라이언트를 식별하고, 깨끗한 검증 데이터 없이도 글로벌 예측과 근사 정규화(proximal regularization)를 사용하여 레이블을 정제합니다.
• FedSelect (샘플 선택): 메타 학습된 전략을 사용하여 정보가 풍부한 샘플을 선택하고 학습 역학(training dynamics)에 따라 클라이언트에 가중치를 부여합니다.

4. 실험 설정

데이터셋은 임상적으로 의미 있는 요소(예: 스캐너, 센터, 검사자)를 기준으로 3~5개의 클라이언트로 분할됩니다. 하이퍼파라미터는 데이터셋 전체의 평균 성능을 극대화하도록 그리드 서치(grid search)를 통해 최적화됩니다.

주요 결과

데이터 분석

실제 세계의 레이블 노이즈는 단독으로 발생하기보다 자주 결합되어 나타납니다. GleasonHD는 가장 심각하고 이질적인 노이즈를 보였으며, RIGA와 MouseT는 주로 윤곽선 중심의 노이즈를 보였습니다. MMIA는 주로 누락되거나 추가된 타겟 구조물에 의해 특징지어졌습니다.

방법론 성능

• 최고 성능 모델: FedSelect가 전반적으로 가장 강력한 FNLL 방법으로 나타났으며, 데이터셋, 노이즈 유형 및 시나리오 전반에서 높은 순위 안정성과 일관된 성능을 입증했습니다.
• 경쟁 모델: IOP-FL이 주요 경쟁자였으며, 특히 윤곽선이 지배적인 설정에서 특정 데이터셋-시나리오 비교 시 최고의 Dice 점수를 기록하기도 했습니다.
• 베이스라인: FedAvg는 여전히 강력하고 경쟁력 있는 베이스라인으로 남았습니다. 많은 경우, 전용 FNLL 방법들이 FedAvg를 유의미하게 능가하지 못했으며, 이는 FNLL의 우월성이 보편적이지 않음을 시사합니다.
• 저조한 성능 모델: FedA³I와 FedCorr는 가장 일관성이 낮은 개선을 보였으며, 테스트된 설정에서 자주 FedAvg보다 나은 성능을 보여주지 못했습니다.

강건성 및 특이성

• 시나리오 민감도: roc 시나리오(부분적으로 노이즈가 있는 클라이언트)가 roa 시나리오(모든 클라이언트 내 부분적 노이즈)보다 더 심각한 성능 저하를 유발했습니다.
• 노이즈 유형별 특이성:
  • 윤곽선 노이즈 (HD95): FedSelect는 일관되게 FedAvg와 대등하거나 이를 능가했습니다.
  • 인스턴스 노이즈 (F1): FedSelect와 IOP-FL이 가장 강력했습니다.
  • 클래스 혼란 (Class Confusion): FedSelect가 가장 높은 순위를 기록했으나, 해당 지표를 사용할 수 있는 데이터셋이 GleasonHD 하나뿐이라 결과가 제한적이었습니다.
• 성능 저하 vs 절대 성능: FedSelect가 가장 높은 절대 Dice 점수를 달성했지만, FedCorr는 매우 노이즈가 많은 roc 및 완전 노이즈 설정에서 (깨끗한 베이스라인 대비) 가장 적은 성능 저하를 보였는데, 이는 주로 어려운 GleasonHD 데이터셋에서의 성능 덕분이었습니다.

기여 및 의의

본 논문은 다음과 같은 기여를 주장합니다:

1. 벤치마크 스위트: 다양한 실제 노이즈 데이터셋, 연합 학습 프레임워크, 노이즈 타겟팅 평가 프로토콜을 결합한 재사용 가능한 오픈 소스 프레임워크(MIC-DKFZ/FedSegNoiseBench)를 제공합니다.
2. 체계적 평가: 합성 노이즈의 한계를 넘어 여러 실제 노이즈 유형과 클라이언트-노이즈 시나리오에 걸쳐 FNLL 방법들을 종합적으로 평가한 첫 사례입니다.
3. 의사결정 가이드: 관찰된 레이블 노이즈 특성과 클라이언트-노이즈 시나리오를 적절한 FNLL 전략과 연결하는 실행 가능한 가이드(Table 4)를 제공하여, 정보에 기반한 방법 선택을 지원합니다.
4. 커뮤니티 자원: 공정한 벤치마킹, 데이터셋별 노이즈 특성화, 그리고 실제적인 연합 환경에서의 향후 방법론 개발을 위한 토대를 마련합니다.

결론

본 연구는 FedSelect가 전반적으로 가장 강건하고 일관된 FNLL 방법이지만, 방법의 선택은 노이즈 유형과 클라이언트-노이즈 시나리오에 크게 의존한다는 결론을 내립니다. 벤치마크는 전용 FNLL 방법들이 반드시 FedAvg를 능가하는 것은 아니며, 그 효용성은 맥락 의존적임을 보여줍니다. 현실적이고 차별적인 평가 기반을 제공함으로써, 본 스위트는 의료 영상 커뮤니티가 노이즈가 존재하는 실제 환경의 연합 분할 작업에서 합성된 가정으로부터 벗어나 데이터 기반의 의사결정을 내릴 수 있도록 돕습니다.