💻 computer science

Mitigating Source-Domain Dependency for Target-Free Zero-Shot Medical Anomaly Detection

본 논문은 프롬프트 학습, 적대적 시각적 적응, 특징 일관성을 포함한 다수준 전략을 통해 타겟 데이터에 대한 접근 없이도 이질적인 의료 영상 데이터셋 전반에 걸쳐 강건한 일반화를 달계함으로써, 타겟 프리 제로샷 의료 이상 탐지에서 소스 도메인 의존성을 완화하는 CLIP 기반 프레임워크를 제안한다.

원저자: Keming Mao, Zhuzhixuan Wang, Shengbin Hou, Jiachen Sun, Dongyue Ren

게시일 2026-09-08

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Keming Mao, Zhuzhixuan Wang, Shengbin Hou, Jiachen Sun, Dongyue Ren

원본 논문은 CC BY 4.0 (https://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

의료 영상 분야에서 컴퓨터는 무엇이 잘못되었는지를 포착하는 데 매우 능숙해졌습니다. 컴퓨터는 X선이나 자기공명영상(MRI)을 스캔하여 종양, 골절 또는 감염의 징후를 찾아낼 수 있습니다. 그러나 이러한 디지털 조수들은 대개 특정한 종류의 훈련을 필요로 합니다. 즉, '정상'적인 장기가 무엇인지 배우기 위해 정확히 동일한 유형의 병원에서 생성된, 정확히 동일한 기계를 사용한 수천 개의 사례를 학습해야 합니다. 만약 의사가 한 도시의 뇌 스캔 데이터로 훈련된 모델을 사용하여 다른 나라의 간 스캔을 검사하려고 한다면, 컴퓨터는 종종 혼란에 빠집니다. 컴퓨터는 이미지가 촬영된 방식의 자연스러운 차이를 질병의 징후로 오인하여 가짜 알람을 울리게 됩니다. 이는 새로운 훈련 데이터를 수집하는 것이 불가능한 곳에서도 어디서나 사용할 수 있는 도구를 만드는 데 있어 큰 장애물입니다. 연구자들의 목표는 새로운 이미지를 미리 보지 않고도, 이미지가 어디에서 왔는지와 상관없이 진정한 질병을 인식할 수 있는 시스템을 구축하는 것입니다.

한 연구팀은 컴퓨터가 서로 다른 병원의 배경 소음을 무시하고 실제 질병의 징후에만 집중하는 법을 가르치는 새로운 방법을 개발하여 이 문제를 해결했습니다. 그들은 다양한 출처의 뇌 스캔, 간 스캔, 흉부 X선과 같은 다양한 의료 데이터셋을 혼합하여 학습하는 시스템을 만들었지만, 결정을 내릴 때 각 출처의 특정 '지문'을 잊도록 설계되었습니다. 모든 훈련 데이터의 모든 세부 사항을 암기하려 하는 대신, 이 시스템은 데이터에 입력된 특정 특이점으로부터 건강과 질병이라는 보편적인 언어를 분리하는 법을 배웁니다. 이러한 접근 방식 덕분에 컴퓨터는 이전에 본 적 없는 특정 유형의 스캔이라 할지라도, 완전히 새로운 의료 영상을 보고 그것이 건강한지 혹은 아픈지를 정확하게 결정할 수 있습니다.

이 과제의 핵심은 인공지능이 어떻게 학습하느냐에 달려 있습니다. 컴퓨터가 의료 영상을 공부할 때, 카메라의 특정 각도, 사용된 스캐너의 유형, 또는 훈련 데이터 환자의 인구통계학적 패턴과 같이 질병과 관련이 없는 미묘한 단서들을 포착하는 경우가 많습니다. 이것이 바로 연구자들이 말하는 '소스 도메인 의존성(source-domain dependencies)'입니다. 특정 공원에서 특정 종의 새를 통해서만 새를 식별하는 법을 배운 학생을 상상해 보십시오. 만약 그 학생이 다른 공원에서 다른 새를 보게 된다면, 자신이 찾고 있는 특징이 다르기 때문에 인식하는 데 실패할 수 있습니다. 의료 영상에서 이는 컴퓨터가 훈련 중에 학습한 장기와 모습이 다르다는 이유만으로 건강한 장기를 질병이 있는 것으로 표시할 수 있음을 의미합니다. 연구자들은 정상 및 비정상 상태에 대한 텍스트 설명과 이미지를 매칭하는 데 의존하는 기존 방식들이 여전히 이러한 소스 특유의 세부 사항에 너무 많은 영향을 받는다는 것을 발견했습니다.

이를 해결하기 위해 연구팀은 이러한 오해의 소지가 있는 단서들을 제거하기 위해 세 가지 단계로 작동하는 프레임워크를 구축했습니다. 첫째, 그들은 컴퓨터가 텍스트 설명을 읽는 방식을 조정했습니다. 모든 이미지에 대해 단일한 지침 세트를 사용하는 대신, 시스템은 '정상'과 '비정상'의 일반적인 의미를 이미지가 나온 특정 병원의 맥락으로부터 분리하는 법을 배웁니다. 훈련 과정에서 시스템은 각 소스 데이터셋의 고유한 세부 사항을 기억하기 위해 특수 토큰을 사용하지만, 새로운 이미지를 마주할 때는 이러한 특정 토큰들을 버리고 오직 보편적인 개념에만 의존합니다. 이를 통해 컴퓨터가 훈련 데이터의 스타일에 편향되지 않도록 보장합니다.

둘째, 연구자들은 컴퓨터가 시각적 외형을 바탕으로 이미지의 출처를 인식하지 못하도록 하는 메커니즘을 추가했습니다. 그들은 시스템의 일부가 이미지가 어느 병원에서 왔는지 추측하는 '비평가' 역할을 하도록 훈련시켰습니다. 메인 시스템은 이에 맞서 싸우며, 질병을 식별하는 능력을 잃지 않으면서도 비평가를 속일 수 있을 만큼만 이미지의 내부 표현을 변경하도록 학습합니다. 이는 컴퓨터가 출처를 식으로 식별하는 시각적 지름길을 버리고, 건강이나 질병을 나타내는 진정한 특징만을 남기도록 강제합니다.

셋째, 그들은 컴퓨터의 마음속에서 '정상'이 어떻게 보이는지에 대한 문제를 다루었습니다. 다양한 출처로부터 학습할 때, 컴퓨터의 건강한 장기에 대한 개념은 파편화되어, 서로 다른 출처의 건강한 사례들이 멀리 떨어져 클러스터를 형성할 수 있습니다. 연구팀은 이러한 흩어진 클러스터들을 부드럽게 끌어당겨, 모든 유형의 이미지에 적용되는 단일하고 통합된 '건강'의 개념을 만드는 방법을 도입했습니다. 이는 훈련 중에 서로 다른 건강한 소스의 특징들을 혼합함으로써 수행되며, 하나의 스캐너로 찍은 건강한 간과 다른 스캐너로 찍은 건강한 뇌가 모두 '정상'이라는 동일한 범주에 속한다는 것을 시스템에 가르칩니다.

연구팀은 뇌 스캔부터 안구 이미지, 흉부 X선에 이르는 6개의 서로 다른 의료 데이터셋을 통해 이 접근 방식을 테스트했습니다. 그들은 컴퓨터를 5개의 데이터셋으로 훈련시킨 후, 한 번도 본 적 없는 6번째 데이터셋을 진단하도록 하는 엄격한 테스트 방법을 사용했습니다. 결과에 따르면, 이 새로운 방식은 이상 징후가 포함되어 있는지 여부를 식별하는 데 있어 기존의 최첨단 시스템들보다 뛰어난 성능을 보였습니다. 새로운 시스템은 평균적으로 80.95%의 정확도로 이미지를 분류했으며, 이는 기존의 가장 우수한 방식인 80.26%와 비교됩니다. 이러한 개선은 특히 뇌 및 간 스캔과 같은 특정 영역에서 두드러졌으며, 이미지가 촬영된 방식의 차이로 인해 발생하는 가짜 알람을 줄였습니다.

이 시스템은 이미지가 전반적으로 건강한지 혹은 아픈지를 결정하는 데는 탁el했으나, 연구자들은 작은 이상 부위의 정확한 위치를 짚어내는 것은 일부 사례에서 여전히 도전 과제라고 언급했습니다. 이 방법은 이미지 수준에서 가장 효과적이었으며, 이는 소스 편향을 제거하는 전략이 초기 의사 결정 과정에서 매우 중요하다는 것을 시사합니다. 이 연구는 훈련 데이터의 특정 특성에 대한 컴퓨터의 의존도를 줄이는 것이 어디서든 새로운 데이터 없이 배포될 수 있는 의료 AI를 구축하는 데 필수적인 단계임을 확인시켜 줍니다. 연구자들은 자신들의 작업이 2차원 이미지에 국한되어 있으며, 이 방법이 소스 데이터의 영향을 완전히 제거하는 것이 아니라 완화하는 것임을 인정합니다. 그러나 이 결과는 기술이 환자의 의료 기록이 어디에서 생성되었는지와 상관없이 환자에게 봉사할 수 있도록, 더 견고하고 신뢰할 수 있는 임상 의사 결정 지원 도구를 구축하기 위한 명확한 경로를 제공합니다.

기술 요약: 타겟 프리 제로샷 의료 이상 탐지를 위한 소스 도메인 의존성 완화

1. 문제 정의

본 논문은 모델이 학습 과정에서 타겟 도메인 데이터에 접근할 수 없는 상황에서, 보이지 않는 의료 도메인(예: 서로 다른 장기, 영상 양식 또는 획득 프로토콜)의 병리적 영역을 식별해야 하는 핵심 과제인 타겟 프리 제로샷 의료 이상 탐지(target-free zero-shot medical anomaly detection) 문제를 다룹니다.

저자들은 **소스 도메인 의존성(source-domain dependency)**이라 명명한 특정 실패 메커니ism을 식별했습니다. 이질적인 환경에서 소스 도메인으로 학습된 모델은 전이 가능한 병리적 단서가 아닌, 소스 특유의 특성(해부학적 구조, 모달리티 스타일, 데이터셋 통계 등)을 기준으로 이상치를 구분하는 법을 배우는 경향이 있습니다. 결과적으로, 보이지 않는 타겟 도인으로부터 온 정상 이미지는 단순히 소스 도메인과 다르다는 이유만으로 과도하게 높은 이상 점수를 받을 수 있으며, 이는 성능 저하로 이어집니다. 이러한 문제는 CLIP과 같은 시각-언어 모델(VLM) 접근 방식에서 텍스트 프롬프트, 시각 어댑터, 그리고 정상 특징 참조(normal feature references)가 의도치 않게 소스 특유의 편향을 인코딩할 때 특히 두드하게 나타납니다.

2. 방법론

저자들은 텍스트, 시각, 그리고 정상 특징 표현이라는 세 가지 상호 보완적인 수준에서 소스 도메인 의존성을 완화하도록 설계된 통합 CLIP 기반 프레임워크를 제안합니다. 이 프레임워크는 타겟 도메인이 모델 개발 중에 완전히 접근 불가능한 엄격한 leave-one-domain-out 프로토콜 하에 작동합니다.

A. 공유-독립 프롬프트 학습 (텍xtual 레벨)
학습 가능한 프로프가 전이 가능한 의미를 소스 특유의 문맥에 결속시키는 것을 방지하기 위해, 저자들은 프롬프트 토큰을 세 가지 구성 요소로 분해합니다:

공유 토큰 ( $V_s$ ): 모든 소스 도메인에 걸쳐 최적화되어 전이 가능한 태스크 의미를 포착하는 학습 가능한 토큰입니다.
독립 토형 ( $V^k_i$ ): 학습 중 $k$ 번째 소스 도메인에 대해서만 최적화되는 도메인 특화 토큰입니다.
상태 토큰 ( $W_n, W_a$ ): 정상 및 이상 상태를 나타내는 토큰입니다.
추론 전략: 타겟 도메인에 대한 추론 시, 도메인 특화 독립 토큰은 중립적인 제로 플레이스홀더( $0^{L_i}$ )로 교체됩니다. 이는 프롬프트 구조를 유지하면서도 타겟 예측에서 소스 특유의 사전 지식(prior)을 명시적으로 제거합니다.

B. 도메인 적대적 시각 표현 학습 (Visual 레벨)
적응된 시각적 특징에서 소스 식별 가능한 단서를 억제하기 위해, 프레임워크는 **경사 역전 층(Gradient Reversal Layer, GRL)**을 통해 글로벌 이미지 특징에 부착된 **도메인 판별기(domain discriminator)**를 사용합니다.

이미지 어댑터는 (역전된 경사를 통해) 도메인 분류 손실을 최대화하도록 학습되어, 시각적 특징이 소스 도메인에 대해 구별 불가능하게 만듭니다.
동시에, 판별기는 이 손실을 최소화합니다.
이러한 적대적 과정은 시각적 정보를 이상 식별에 필요한 수준으로 유지하면서도 소스 특유의 지름길(shortcuts)을 약화시킵니다.

C. 교차 도메인 정상 특징 일관성 (Feature 레벨)
이질적인 소스 도메인 간의 정상 표현 파편화 문제를 해결하기 위해, 저자들은 구심적 정렬 융합(Centripetal Alignment Fusion, CAF) 블록을 사용하는 일관성 제약을 도입합니다.

메커니즘: 서로 다른 소스 도메인의 정상 특징들을 Mixup을 통해 혼합하여 중간 표현을 생성합니다.
제약 조건: 일관성 손실( $L_{cons}$ )은 이러한 혼합된 특징들이 원래의 정상 앵커 특징들과 정렬되도록 보장합니다.
목표: 이를 통해 정상 참조 공간을 압축하여, 보이지 않는 도메인의 정상 샘플이 모든 소스 유래 정상 참조들로부터 멀리 떨어져 있지 않도록 합니다.

D. 학습 목적 함수
전체 손실 함수는 다음을 결합합니다:

태스크 손실 ( $L_{task}$ ): 이미지 수준 분류 및 픽셀 수준 국소화 손실 (Focal + Dice).
적대적 손실 ( $L_{dom}$ ): GRL을 통해 시각 어댑터에 의해 최대화되고 판별기에 의해 최소화되도록 권장됩니다.
일관성 손실 ( $L_{cons}$ ): 정상 특징 공간을 정규화합니다.

3. 주요 기여

문제 공식화: 저자들은 소스 도메인 의존성을 타겟 프리 제로샷 의료 이상 탐지의 핵심적인 실패 모드로 명시적으로 정의하며, 이상 기준이 실제 병리가 아닌 도메인 유사성에 편향될 수 있는 이유를 설명합니다.
통합 프레임워크: 이들은 다음을 통해 이 의존성을 공동으로 완화하는 CLIP 기반 프레임워크를 개발했습니다:
- 전이 가능한 의미와 소스 문맥을 분리하기 위한 공유-독립 프롬프트 학습.
- 소스 식별 가능한 시각적 지름길을 억제하기 위한 도메인 적대적 시각 학습.
- 정상 참조 공간을 압축하기 위한 교차 도메인 정상 특징 일관성.
엄격한 검증: 제안된 방법은 훈련, 검증 또는 하이퍼파라미터 튜닝에 타겟 도메인 데이터를 전혀 사용하지 않는 엄격한 leave-one-domain-out 프로토콜 하에 6개의 이질적인 의료 영상 데이터셋(BrainMRI, LiverCT, RESC, OCT17, ChestXray, HIS)에서 검증되었습니다.

4. 실험 결과

제안된 방법은 BMAD 벤치마크에서 최근의 CLIP 기반 제로샷 베이스라인들(예: WinCLIP, AnomalyCLIP, IQE-CLIP)과 비교 평가되었습니다.

이미지 수준 분류 (AC): 제안된 방법은 6개 타겟 도메인에 대해 가장 높은 평균 AUROC(80.95%)를 달성하였으며, 가장 강력한 베이스라인인 IQE-CLIP(80.26%)을 능가했습니다. 특히 HIS(+1.88%), ChestXray(+0.93%), BrainMRI(+1.81%)에서 주목할 만한 개선이 관찰되었습니다.
픽셀 수준 국소화 (AL): 이 방법은 LiverCT(98.68% AUROC)에서 최고의 성능을 보였으며, BrainMRI(92.44%)와 RESC(95.29%)에서도 경쟁력 있는 결과를 얻었습니다.
절제 연구 (Ablation Studies): 단일 구성 요소(프롬프트 학습, 적대적 학습 또는 일관성)를 제거하면 성능이 저하되었습니다. 가장 큰 하락은 적대적 학습과 일관성을 모두 제거했을 때 발생했으며, 이는 두 요소의 상호 보완적인 역할을 확인시켜 줍니다.
진단 분석:
- 소스 프로빙 (Source Probing): 적대적 브랜치는 시각적 특징으로부터 소스 도메인을 예측하는 프로브 분류기의 정확도를 약 97.8%(적대적 학습 제외 시)에서 약 93.0%로 감소시켰으며, 이는 소스 식별 가능한 단서의 성공적인 억제를 나타냅니다.
- 특징 일관성: 정상 특징의 교차 도메인 중심 거리가 0.0607에서 0.0163으로 크게 감소하였으며, 이는 더 압축되고 일관된 정상 특징 공간을 입증합니다.

5. 의의 및 주장

본 논문은 소스 도메인 의존성을 줄이는 것이 견고한 **타겟 프리 일반화(target-free generalization)**를 위해 필수적이라고 주장합니다. 텍스트, 시각, 특징 수준의 표현을 도메인 간에는 혼동 가능하면서도 이상치에 대해서는 변별력이 있도록 명시적으로 정규화함으로써, 이 프레임워크는 모델이 소스 특유의 아티팩트가 아닌 전이 가능한 병리적 단서에 의존할 수 있게 합니다.

저자들은 본 방법이 경쟁력 있는 성능을 달성했으나, 소스 도메인 의존성을 완전히 제거하기보다는 완화하는 것이라고 언급합니다. 또한 2D 벤치마크 데이터셋 사용의 한계를 인정하며, 향후 연구는 더 강력한 도메인 변화, 볼륨 데이터(volumetric data), 그리고 엄격한 타겟 데이터 부재 설정 하에서의 임상적 근거 기반 캘리브레이션을 다루어야 한다고 제안합니다.