슬라이딩 윈도우는 이제 그만! NMSW-Net으로 3D 의료 영상 분할의 새로운 지평을 열다

NMSW-Net은 슬라이딩 윈도우 기법의 한계를 극복한 3D 의료 영상 분할 프레임워크로, 계산 복잡도를 90% 감소시키면서 정확도는 유지하거나 향상시켰습니다. 모델 독립적인 구조로 다양한 모델에 적용 가능하며, 의료 영상 분석 분야에 큰 영향을 미칠 것으로 기대됩니다.

3D 의료 영상 분할은 2D보다 높은 정확도를 제공하지만, GPU 메모리 소모가 훨씬 크다는 어려움이 있습니다. 이를 해결하기 위해 흔히 사용되는 슬라이딩 윈도우(SW) 기법은 메모리 사용량은 줄이지만, 모든 패치에 동일한 자원을 할당하고 전역 정보를 고려하지 못해 속도 저하와 정확도 감소라는 문제점을 가지고 있습니다.

전용석, 홍페이 양, 후아주 후, 맹령 펑 연구팀은 이러한 문제를 해결하기 위해 NMSW-Net (No-More-Sliding-Window-Net) 을 제안했습니다. NMSW-Net은 SW 추론을 제거하고 필요한 경우 전역 예측을 통합하여 효율성과 정확도를 동시에 향상시키는 혁신적인 프레임워크입니다.

NMSW-Net의 핵심은 차별화 가능한 Top-k 모듈입니다. 이 모듈은 분할 정확도를 높이는 데 중요한 패치만을 선택적으로 샘플링하여 불필요한 연산을 최소화합니다. 또한, 패치 예측만으로는 부족할 때 전역적인 거친 예측을 활용하는 방법을 학습합니다. 무엇보다도 NMSW-Net은 모델 독립적이므로, 기존 SW 추론에 의존하는 어떤 3D 분할 모델에도 적용 가능하다는 장점을 가지고 있습니다.

3가지 과제와 3가지 분할 백본 모델을 사용한 평가 결과, NMSW-Net은 SW에 비해 경쟁력 있는, 때로는 더 우수한 정확도를 달성했습니다. 더욱 놀라운 것은 계산 복잡도를 90% 감소(87.5 TFLOPS 에서 7.95 TFLOPS로)시키고, H100 GPU에서는 4배 빠른 추론 속도(19.0초에서 4.3초로), Intel Xeon Gold CPU에서는 7배 빠른 추론 속도(1710초에서 230초로)를 기록했습니다.

이 연구는 3D 의료 영상 분할의 효율성과 정확도를 크게 향상시킨 획기적인 성과로, 의료 영상 분석 분야에 혁신적인 변화를 가져올 것으로 기대됩니다. NMSW-Net은 단순한 기술적 개선을 넘어, 더 빠르고 정확한 진단을 가능하게 함으로써 의료 서비스의 질적 향상에 크게 기여할 것입니다.