GRCD: Grounded Region Change Detection for Multi-Finding Chest X-Ray Pairs

기술 요약: GRCD – 다중 소견 흉부 X선 쌍을 위한 근거 기반 영역 변화 탐지(Grounded Region Change Detection)

문제 정의
영상의학 전문의들은 질병의 진행 상태를 추적하기 위해 현재의 흉부 X선(CXR)과 이전의 X선을 정기적으로 비교하며, 각 해부학적 영역에 국한되어 시간적 변화 상태(예: 악화, 개선, 안정)가 주석 처리된 다중 소견을 포함하는 후속 보고서를 생성합니다. 기존의 자동화된 접근 방식은 이러한 복잡한 다중 소견 환경을 총체적으로 해결하지 못합니다. 단일 이미지 방법은 유창한 보고서를 생성하지만 시간적 맥락이 부족합니다. 시간적 방법은 이미지 쌍을 비교하지만 출력의 공간적 근거(grounding)를 제시하지 못합니다. 근거 기반 방법은 소견을 국소화하지만 단일 시점에 대해서만 작동합니다. TRACE [2]는 시간적 추론과 공간적 근거 생성을 결합하지만, 단일 소견 기술로 제한됩니다. 그러나 실제 후속 보고서에는 다양한 변화 방향을 가진 여러 소견이 동시에 나타납니다. 명시적인 영역 수준 인코딩이 없는 현재의 모델들은 다중 소견 작업에 직면했을 때 반복적인 단일 레이블 출력으로 수렴되는 경향이 있습니다.

방법론
저자들은 개별 소견별 공간적 근거와 함께 구조화된 다중 소견 시간적 보고서를 생성하도록 설계된 프레임워크인 GRCD(Grounded Region Change Detection)를 제안합니다. 이 아키텍처는 세 가지 주요 구성 요소로 이루어집니다:

1. 데이터 구축 및 정제: 저자들은 MIMIC-CXR v2.1.0과 Chest ImaGenome v1.0으로부터 벤치마크 데이터셋을 구축했습니다. 이들은 소스 주석에서 발생하는 두 가지 체계적인 레이블링 오류를 식별하고 수정했습니다:

   • 동일 검사 내 AP 재촬영(Same-Study AP Retakes): 단일 검사에서 발생한 여러 이미지(예: AP 재촬영)가 이전/현재 비교 대상으로 잘못 쌍을 이룬 경우를 제거했습니다.
   • 침묵하는 NLP 부재(Silent NLP Absence): 명시적인 텍스트 표식 없이 나타나거나 사라지는 소견을 NLP가 식별하지 못하는 문제를 해결했습니다.
   • 3단계 필터링: 소견을 신뢰도에 따라 세 단계로 분류했습니다. 1단계(직접적인 NLP 단서)와 2단계(키워드 또는 시간적 보간을 통해 복구됨)는 유지했습니다. 3단계(증거 없음) 쌍은 폐기했습니다. 이러한 엄격한 정제 과정을 통해 데이터셋은 단순한 179,365개의 쌍에서 고신뢰도의 40,250개 쌍으로 줄어들었습니다.

2. 영역 가이드 변화 토큰(Region-Guided Change Token, RGCT) 모듈:

   • 동결된 BioViL-T 시간적 비전 인코더가 이전 이미지($I_p$)와 현재 이미지($I_c$)를 처리하여 특징 맵을 생성합니다.
   • 특징은 Chest ImaGenome 바운딩 박스로 정의된 25개 해부학적 영역에서 크롭됩니다.
   • 각 영역에 대해, 모듈은 이전 특징, 현재 특징, 그리고 그 차이를 결합합니다. 이 기술자(descriptors)들은 영역 간 정보 흐름을 허용하기 위해 영역 간 셀프 어텐션 블록을 통과합니다.
   • 정제된 기술자들은 LLM 은닉 공간으로 투영되어 변화 토큰을 형성합니다. 보조 헤드는 훈련 중에 변화 레이블, 소견 존재 여부, 바운딩 박스를 예측합니다.

3. 이중 경로 통합(Dual-Pathway Integration):

   • 경로 A (앞에 붙는 토큰 - Prepended Tokens): 주요 해부학적 영역(폐, 심장, 종격동, 늑골횡격막각)에 해당하는 6개의 토큰이 LLM 입력 시퀀스 앞에 붙습니다. 이는 지속적이고 거친 입도의 공간적 신호를 제공합니다.
   • 경로 B (게이트형 교차 주의 - Gated Cross-Attention): 25개의 모든 변화 토큰이 매 4번째 디코더 레이어마다 게이트형 교차 주의 블록을 통해 주입됩니다. 이를 통해 디코더는 생성 중에 모든 영역을 선택적으로 쿼리할 수 있습니다.
   • 모델은 소견, 변화 레이블, 인라인 바운딩 박스를 포함하는 구조화된 보고서를 생성하도록 자기회귀적으로 훈련됩니다.

주요 기여

• 최초의 다중 소견 시간적 모델: GRCD는 개별 소견별 공간적 근거와 별도의 변화 레이블을 갖춘 다중 소견 시간적 보고서를 생성하는 최초의 모델입니다.
• 엄격한 데이터 정제: Chest ImaGenome의 시간적 쌍에서 발생하는 체계적인 오류를 식별하고 수정하는 3단계 파이프라인을 통해 40,250쌍의 벤치마크를 구축했습니다.
• 이중 경로 아키텍처: 성공적인 다중 소견 생성을 위해 필수적인 RGCT 모듈과 이중 경로 통합 전략(앞에 붙는 토큰 + 게이트형 교차 주의)의 도입을 입증했습니다.

실험 결과
7,967개의 샘플로 구성된 다중 소견 테스트 세트에서 평가한 결과, GRCD는 모든 지표에서 기존 베이스라인(BioViL-T 분류기, 최근접 이웃 검색, 재평가된 TRACE)을 능가했습니다:

• 자연어 생성: BLEU-4가 0.398로 향상되었습니다 (TRACE의 0.078 및 검색 모델의 0.273 대비).
• 임상 정확도: CheXbert F1은 0.567에 도달했습니다 (TRACE의 0.175 대비), RadGraph F1은 0.473에 도달했습니다 (TRACE의 0.222 대비).
• 변화 탐지: 보고서 수준 정확도 53.3%, 균형 정확도 **50.0%**를 달 Achieved 했으며, 이는 BioViL-T 분류기(46.6%)와 TRACE(39.8%)를 크게 상회하는 수치입니다.
• 근거 생성(Grounding): TRACE(IoU > 0.5 기준 61.4%)와 대등한 근거 정확도를 달성하면서도 더 많은 샘플(4,161 대 3,552)을 커버했습니다.

절제 연구(Ablation studies) 결과, RGCT 모듈을 제거하면 성능이 거의 제로에 가깝게 떨어졌으며, 이중 경로 설계(Row D)가 단독 사용 시(앞에 붙는 토큰만 사용하거나 교차 주의만 사용하는 경우)보다 텍스트 및 임상 지표 모두에서 우수한 성능을 보임을 확인했습니다. 또한, 정제되지 않은 더 크고 노이즈가 많은 데이터셋으로 훈련할 경우 성능이 최대 15.6%까지 저하되어, 엄격한 데이터 정제의 필요성을 입증했습니다.

의의 및 주장
본 논문은 GRCD가 공간적 근거를 갖춘 임상적으로 현실적인 다중 소견 보고서 생성을 가능하게 함으로써 자동화된 방사선 보고의 중요한 격차를 해소한다고 주장합니다. 저자들은 실버 스탠다드(silver-standard) 주석을 기반으로 구축된 시간적 작업에서는 양보다 데이터의 질이 중요하다는 점을 강조하며, 노이즈가 있는 레이블은 모델 성능을 크게 저하시킨다고 설명합니다. 저자들은 GRCD를 인간의 해석을 대체하기보다는 판독 시간을 줄이고 놓친 변화를 알려줌으로써 영상의학 전문의를 지원하기 위한 의사 결정 지원 도구로 포지셔anning 합니다. 본 연구는 향ual 연구를 위한 빌딩 블록으로서 정제된 데이터셋과 이중 경로 아키텍처를 제공합니다.