💻 computer science

HTC-SGA Former: A Hybrid Transformer-CNN Network with Self-Guided Attention and a New Boundary-Weighted Adaptive Loss for Coronary DSA Vessel Segmentation

본 논문은 전역적 문맥, 약한 혈관 회복, 경계 정밀도 사이의 균형을 효과적으로 맞춤으로써 도전적인 관상동맥 DSA 혈관을 정확하게 분할하는 데 있어 기존의 최첨단 방법들을 크게 능가하는, 자기 유도 주의 집중(Self-Guided Attention)과 새로운 경계 가중 적응형 손실(Boundary-Weighted Adaptive Loss)을 특징으로 하는 경량 하이브리드 트랜스포머-CNN 네트워크인 HTC-SGA Former를 제안한다.

원저자: Rayan Merghani Ahmed, Marwa Omer Mohammed Omer, Mohamed Elmanna, Shijie Li, Bin Li, Shoujun Zhoua

게시일 2026-06-30

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Rayan Merghani Ahmed, Marwa Omer Mohammed Omer, Mohamed Elmanna, Shijie Li, Bin Li, Shoujun Zhoua

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

당신의 심장 동맥이 복잡하고 구불구불한 작은 강줄기 네트워크라고 상상해 보세요. 의사들은 이 강줄기들을 살펴보고 막힌 부분을 찾기 위해 DSA라고 불리는 특별한 X선 영화를 사용합니다. 하지만 이 이미지를 보는 것은 마치 북적이고 안개가 자욱한 도시 거리에서 아주 가느다란 거미줄 한 줄을 찾아내는 것과 같습니다. "실"(가느다란 혈관)은 매우 희미하고, 배경은 노이즈가 많으며, "거리"에 해당하는 픽셀이 "실"에 해당하는 픽셀보다 훨씬 더 많습니다.

오랫동안 컴퓨터는 이 실들을 정확하게 추적하는 데 어려움을 겪었습니다. 어떤 프로그램은 아주 작고 멀리 떨어진 가지를 놓치기도 했고, 어떤 프로그램은 배경 노이즈 때문에 혼란을 겪기도 했습니다.

이 논문은 HTC-SGA Former라고 불리는 새로운 컴퓨터 프로그램을 소개합니다. 이것은 이 희미한 강줄기 실들을 추적하기 위해 설계된 매우 똑똑하고 효율적인 탐정이라고 생각하면 됩니다. 이 프로그램이 어떻게 작동하는지 쉬운 비유를 통해 설명해 드리겠습니다.

1. 탐정 팀: 하이브리드 스쿼드

대부분의 컴퓨터 프로그램은 이미지를 보는 한 가지 유형의 "두뇌"를 사용합니다.

기존 방식: 어떤 프로그램들은 지역 정찰병(CNN)과 같습니다. 이들은 단일 나무 가지의 즉각적인 세부 사항을 보는 데는 뛰어나지만, 전체 숲을 이해하려고 할 때는 길을 잃습니다.
다른 방식: 어떤 프로그램들은 글로벌 전략가(Transformer)와 같습니다. 이들은 전체 숲을 보고 나무들이 어떻게 연결되는지 이해할 수 있지만, 개별 잎사귀의 아주 작은 디테일은 놓치는 경우가 많습니다.

HTC-SGA Former는 하이브리드 팀입니다. 이 모델은 지역 정찰병과 글로벌 전략가를 결합했습니다.

인코더 (정찰병): 이 시스템의 이 부분은 즉시 혈관 형태의 미세한 디테일을 포착하기 위해 줌인(zoom-in)합니다.
디코더 (전략가): 이 부분은 줌아웃(zoom-out)하여 큰 그림을 이해함으로써, 혈관이 심장에서 손가락 끝까지 논리적으로 연결되도록 보장합니다.

2. 특별한 도구들

"안개 낀 거리 속의 희미한 실"이라는 특정 문제를 해결하기 위해, 이 팀은 세 가지 특별한 도구를 사용합니다.

MS-GLWA ("창문" 고글):
지도를 창문을 통해 보고 있다고 상상해 보세요. 유리창을 통해 동네 전체(글로벌 뷰)를 볼 수 있지만, 동시에 창문 바로 밖에 있는 특정 집들을 자세히 들여다봐야 합니다. 이 도구는 이 두 가지를 동시에 수행합니다. 혈관이 계속 연결되도록 큰 그림을 보면서, 동시에 가늘고 연약한 가장자리들이 흐릿하지 않고 선명하도록 줌인하여 확인합니다.
SGFA ("자기 유도형" 손전등):
때때로 혈관이 너무 희미해서 배경과 섞여 버릴 때가 있습니다. 이 모듈은 컴퓨터가 스스로 켜는 손전등처럼 작동합니다. 컴퓨터는 "헤이, 여기에 혈관이 있을 것 같아"라고 말한 뒤, 그 영역에 집중적으로 빛을 비추어 희미한 신호를 더 밝게 만들고 방해되는 배경 노이즈를 무시합니다. 이는 컴퓨터가 다른 프로그램들이 놓치는 "유령" 혈관을 찾도록 도와줍니다.
BWACL ("공정한 판사" 성적표):
보통 컴퓨터가 학습할 때 게을러지는 경우가 있습니다. 배경 픽셀은 매우 많은 반면 혈관 픽셀은 매우 적기 때문에, 컴퓨터는 모든 것에 대해 그냥 "배경"이라고 예측해 버리고도 높은 점수를 받을 수도 있습니다. 이 새로운 손실 함수(loss function)(컴퓨터를 채점하는 규칙)는 공정한 판사입니다. 이 판사는 다음과 같이 말합니다:
1. "만약 가느다란 혈관을 놓친다면, 그것은 큰 실수다!" (실을 놓칠 경우 무거운 벌점을 부여합니다).
2. "혈관이 없는 곳에 혈관이 있다고 예측하는 것도 실수지만, 우리는 균형을 맞춰야 한다."
  이것은 훈련 과정 중에 채점 방식을 동적으로 조정하여, 컴퓨터가 이미지의 어렵고 가는 부분들을 무시하지 않도록 보장합니다.

3. 결과: 탐정의 승리

저자들은 환자의 실제 심장 이미지를 사용하여 이 새로운 탐정을 14개의 다른 최상위급 컴퓨터 프로그램과 테스트했습니다.

정확도: HTC-SGA Former는 다른 14가지 방법보다 더 많은 미세하고 가는 혈관들을 찾아냈습니다. 끊어진 선들을 연결하고 날카로운 가장자리를 정의하는 데 더 뛰어났습니다.
효율성: 가장 정확함에도 불구하고, 이 모델은 믿을 수 없을 정도로 가볍습니다. 파라미터가 단 0.81백만 개뿐입니다. 이를 비교해 보자면, 이 모델이 이긴 다른 방법들은 5천만 개의 파라미터를 가진 무겁고 느린 트럭 같은 반면, HTC-SGA Former는 민첩하고 빠른 스포츠카와 같습니다.
범용성: "공정한 판사"(BWACL) 도구가 매우 훌륭하여, 저자들이 이를 다른 오래된 컴퓨터 프로그램에 부착했을 때도 그 프로그램들이 자신의 업무를 수행하는 능력이 눈에 띄게 향상되었습니다.

요 요약

요약하자면, 이 논문은 두 가지 서로 다른 AI 스타일의 장점을 결합한 새로운 경량 컴퓨터 시스템을 제시합니다. 이 시스템은 큰 그림과 미세한 디테일을 모두 볼 수 있는 특별한 "고글", 희미한 신호를 찾기 위한 "손전등", 그리고 어려운 부분을 무시하지 않도록 보장하는 "공정한 판사"를 사용합니다. 그 결과, 현재 사용 가능한 그 어떤 것보다 더 정확하고 효율적으로 심장 이미지 속의 가장 가늘고 끊어진 혈관들을 추적할 수 있는 시스템을 만들어냈습니다.

기술 요약: 관상동맥 DSA 혈관 분할을 위한 HTC-SGA Former

1. 문제 정의

관상동맥 조영술(DSA)에서 관상동맥 혈관을 정확하게 분할하는 것은 관상동맥 질환(CAD)의 컴퓨터 보조 진단 및 치료 계획 수립에 매우 중요하다. 그러나 기존 방법들은 DSA 영상의 특이적인 특성으로 인해 다음과 같은 심각한 과제에 직면해 있다:

가늘고 대비가 낮은 혈관: 원위부 분지(distal branches)는 종종 배경에 비해 신호가 약하고 대비가 낮아 검출이 어렵다.
심각한 클래스 불균형: 혈관 픽셀과 배경 픽셀의 비율이 극도로 치우쳐 있어, 모델이 배경 예측 쪽으로 편향되는 결과를 초래한다.
전역-지역 트레이드오프(Global-Local Trade-off): 전통적인 합성곱 신경망(CNN)은 국소적 특징은 잘 포착하지만 장거리 해부학적 맥락 파악에는 어려움을 겪는 반면, 순수 트랜스포머(Transformer)는 미세한 공간적 세부 정보를 놓치기 쉽고 높은 계산 비용이 발생한다.
경계 모호성: 움직임 아티팩트와 중첩된 해부학적 구조로 인해 혈관의 연속성이 끊어지거나 경계 위치가 부정확해진다.

현재의 최첨단 방법들은 전역적 맥락 추론과 약한 원위부 혈관 및 미세한 경계 보존 사이의 균형을 동시에 맞추는 데 실패하는 경우가 많다.

2. 방법론: HTC-SGA Former

저자들은 CNN 인코더와 트랜스포머 디코더를 통합한 경량 하이브리드 프레임워크인 HTC-SGA Former를 제안한다. 이 아키텍처는 국소적인 혈관 형태를 보존하면서 장거리 의존성을 모델링하도록 설계되었다.

2.1. 아키텍처 개요

CNN 인코더: 경량 인코더는 4단계의 합성곱 단계를 사용하여 계층적 특징을 추출한다. 이는 3×3 합성곱, 배치 정규화, ReLU, 드롭아웃을 사용하며, 다운샘플링을 위해 맥스 풀링(max-pooling)을 적용한다. 병목 블록(bottleneck block)은 디코딩 전 고수준의 시맨틱 표현을 풍부하게 하기 위해 채널 차원을 확장한다.
트랜스포머 디코더: 트랜스포머 병목(bottleneck)을 사용하는 일반적인 하이브리드 모델과 달리, HTC-SGA Former는 전역-지역 맥락 추론을 점진적으로 강화하기 위해 디코더 내에 트랜스포머를 배치한다.

2.2. 핵심 구성 요소

다중 스케일 전역-지역 윈도우 어텐션 (MS-GLWA):
- 이 블록은 전역적 맥락과 국소적 세부 정보 사이의 트레이드오프 문제를 해결한다.
- 국소 브랜치(Local Branch): 분리 가능한 합성곱(separable convolutions; depthwise 3×3 및 pointwise 1×1)을 사용하여 미세한 혈관 형태와 경계 세부 정보를 보존한다.
- 전역 브랜치(Global Branch): 윈도우 기반 멀티 헤드 셀프 어텐션을 통해 해부학적 맥락을 포착한다. 표준 Swin Transformer와 달리, 이는 다중 스케일 특징 표현(병렬 1×1, 3×3, 5×5 및 depthwise 합성곱 사용)으로부터 쿼리(Query), 키(Key), 값(Value) (QKV) 텐서를 생성한다.
- 적응형 스케일링(Adaptive Scaling): 저대비 및 노이즈가 있는 영상에서의 강건성을 개선하기 위해 어텐션 로짓(logits)을 적응적으로 스케일링하는 학습 가능한 온도 파라미터( $\tau$ )를 도입한다.
- 퓨전(Fusion): 전역 특징과 국소 특징은 요소별 합산(element-wise summation)을 통해 융합된다.
자기 유도 특징 어텐션 (SGFA):
- 약한 혈관 반응을 정교화하고 배경 간섭을 억제하도록 설계되었다.
- 예비 마스크 생성: 디코더 특징으로부터 구조적 사전 정보(structural prior) 역할을 할 거친 혈관 확률 지도를 생성한다.
- 잔차 어텐션(Residual Attention): 이 마스크를 사용하여 혈관과 일치하는 특징을 강화하는 어텐션 가중치를 생성한다 ( $\mathbf{F}_{attended} = \mathbf{F} \odot (1 + \mathbf{A})$ ). 이는 하드 게이팅(hard gating)으로 인한 정보 손실을 방지하는 잔차 형식을 취한다.
- 다중 스케일 맥락: 최종 정교화를 위해 다양한 스케일의 혈관 특징을 포착하고자 병렬 확장 합성곱(dilated convolutions; rate 1, 2, 4)을 사용한다.
경계 가중 적응형 복합 손실 (BWACL):
- 심각한 클래스 불균형을 처리하고 가는 혈관의 경계 보존을 개선하기 위해 설계된 새로운 손실 함수이다.
- 경계 가중치 부여: 유클리드 거리 변환(Euclidean distance transforms)을 통해 식별된 가는 혈관 경계에 더 높은 가중치(최대 1.5배)를 할당하는 픽셀 단위 가중치 맵을 생성한다.
- 복합 구성: 가중치 적용 포컬 손실(Weighted Focal Loss)(어려운 픽셀 강조)과 가중치 적용 다이스 손실(Weighted Dice Loss)(중첩 최적화)을 결합한다.
- 적응형 균형 조절: 실시간 에러 메트릭(재현율 에러 vs 경계 허위 양성 에러)에 따라 Focal 항과 Dice 항의 기여도를 조정하는 동적 균형 계수( $\beta$ )를 도입한다. 혈관 회복이 미흡하면 Focal 항의 가중치를 높이고, 경계 정밀도가 부족하면 Dice 항을 우선시한다.

3. 주요 기여

본 논문은 다섯 가지 주요 기여를 설명한다:

HTC-SGA Former 프레임워크: 국소 형태를 위한 CNN 인코더와 전역-지역 추론을 위한 트랜스포머 디코더를 결합하여 관상동맥 DSA 분할에 특화된 경량 하이브리드 CNN-Transformer 아키텍처를 제안한다.
MS-GLWA 블록: 미세한 혈관 구조를 보존하면서 장거리 의존성을 포착하기 위해 다중 스케일 윈도우 기반 셀프 어텐션과 분리 가능한 합성곱을 통합한 새로운 어텐션 메커니즘을 제시한다.
SGFA 모듈: 자기 유도 어텐션과 다중 스케일 맥락을 사용하여 약한 혈관 반응을 강화하고 배경 노이즈를 억제하는 혈관 중심 정교화 모듈을 제시한다.
BWACL: 가는 혈관의 경계를 강조하고 혈관 회복과 경계 정교화를 동적으로 균형 있게 조절함으로써 클래스 불균형을 해결하는 경계 가중 적응형 복합 손실을 제시한다.
포괄적 검증: 14개의 최첨단 방법론에 대해 제안된 프레임워크의 우수성과 제안된 손실 함수의 크로스 백본(cross-backbone) 적용 가능성을 입증하는 광범위한 실험을 수행한다.

4. 실험 결과

본 방법은 50명의 환자로부터 얻은 300개의 관상동맥 DSA 시퀀스(우측 및 좌측 관상동맥 이미지 각 150개)로 구성된 비공개 데이터셋을 사용하여 5-겹 교차 검증(5-fold cross-validation)을 통해 평가되었다.

SOTA 대비 성능: HTC-SGA Former는 우측 및 좌측 관상동맥 서브셋 모두에서 14개의 경쟁 방법(U-Net 변형, SwinUNet과 같은 순수 트랜스포머, 하이브리드 모델 포함)보다 뛰어난 성능을 보였다.
- 우측 서브셋: 재현율(Recall) 88.58%, **다이스(Dice) 88.01%**를 달로 달성하였으며, 평균 표면 거리(ASD)는 0.6944였다.
- 좌측 서브셋: 재현율 85.23%, **다이스 82.89%**를 달성하였으며, ASD는 1.0256이었다.
- 효율성: 모델은 단 0.81M 파라미터만을 가진 컴팩트한 아키텍처를 유지하며, 이는 많은 경쟁 모델(예: SwinUNet은 85.9M 파라미터)보다 현저히 적다.
손실 함수의 효능: 네 가지 표준 백본(U-Net, Attention U-Net, U-Net++, Attention U-Net++)에 적용했을 때, BWACL은 표준 BCE+Dice 손실에 비해 재현율과 경계 메트릭(ASD/ACD)을 일관되게 향상시켰다.
어블레이션 연구(Ablation Study):
- MS-GLWA 구성 요소(Local Branch, Global Branch, Enhanced QKV)를 추가함에 따라 성능이 점진적으로 향상되었다.
- SGFA 모듈은 경계 정확도(ASD/ACD 감소) 측면에서 상당한 이득을 제공했다.
- 전체 BWACL 손실은 가장 높은 재현율과 다이스 점수를 기록하여, 가는 혈관 회복을 최적화하는 데 필수적임을 확인했다.
정성적 분석: 시각적 비교 결과, HTC-SGA Former는 다른 방법들에 비해 가는 원위부 분지를 더 잘 보존하고, 혈관 연속성을 유지하며, 저대비 영역에서 허위 양성(false positives)을 줄이는 것으로 나타났다.

5. 의의 및 주장

저자들은 HTC-SGA Former가 관상동맥 혈관 분석을 위한 실용적이고 파라미터 효율적인 솔루션을 제공한다고 주장한다. 상호 보완적인 전역-지역 맥락 모델링과 혈관 중심의 정교화 및 적응형 최적화를 통합함으로써, 이 프레임워크는 약한 원위부 혈관과 심각한 클래스 불균형을 처리하는 데 있어 기존 방법들의 구체적인 한계를 해결한다.

본 논문은 제안된 접근 방식이 대규모 순수 트랜스포머 모델의 계산 부담 없이 높은 정확도를 달성하는 핵심이며, 이를 통해 신뢰할 수 있고 계산 효율적인 관상동맥 혈관 분석을 가능하게 한다고 단언한다. 저자들은 아키텍처 설계(MS-GLWA, SGFA)와 최적화 전략(BWACL)의 결组合이 높은 정확도를 달성하는 데 핵심적임을 강조한다.

저자들이 밝힌 향후 연구 과제는 더 큰 규모의 다기관 데이터셋에서 프레임워크를 검증하고, 실시간 구현을 조사하며, 제안된 방법론을 다른 혈관 영상 작업(망막, 뇌, 말초 혈관 등) 및 다양한 조영 영상 양식으로 확장하는 것이다.