초음파 자기지도 학습 모델 비교 USF마에가 모코삼을 능가

이 논문은 초음파 영상에서 자동화된 뷰 분류를 위한 자기지도 학습(SSL) 모델을 체계적으로 벤치마크한다. 연구 배경으로는 초음파가 실시간으로 심장 구조와 기능을 평가하는 핵심 영상 modality이지만, 뷰 식별이 전문가 수준의 숙련도를 요구하고, 라벨링 비용이 높다는 점을 들었다. 이러한 문제를 해결하기 위해 대규모 라벨이 없는 데이터에서 의미 있는 표현을 학습하는 SSL이 주목받고 있다. 데이터셋은 최근 공개된 CACTUS(37,736장)로, 6개의 뷰(A4C, PL, PSA V, PSMV, Random, SC)로 구성된 시뮬레이터 기반 초음파 이미지이다. 각 클래스는 stratified 5‑fold 교차검증을 위해 균등하게 분할되었으며, 매 fold마다 4‑fold를 학습, 1‑fold를 테스트에 사용했다. 이미지 전처리 파이프라인은 섹터 마스킹, 색상 주석 추출, 인페인팅을 포함해, 비해부학적 요소를 제거하고 순수한 해부학적 정보를 남겼다. 비교 대상은 두 가지 SSL 프레임워크이다. 첫 번째는 MoCo v3로, ViT‑B/16 백본을 ImageNet‑1K 기반 대비 학습(contrastive)으로 사전학습했다. 두 번째는 연구팀이 제안한 USF‑MAE로, 동일한 ViT‑B/16을 사용하지만 370 K 초음파 이미지(OpenUS‑46)에서 마스크드 오토인코더(MAE) 방식으로 사전학습했다. 두 모델 모두 동일한 fine‑tuning 설정(learning rate 0.0001, weight decay 0.01, AdamW, cosine LR, batch 32, weighted cross‑entropy)으로 학습되었다. 성능 평가는 macro‑averaged ROC‑AUC, 정확도, 가중치 기반 Recall, 가중치 기반 F1‑score를 사용했으며, 각 fold마다 테스트 셋에서 측정 후 평균값과 95 % CI를 보고했다. 결과는 USF‑MAE가 모든 지표에서 MoCo v3를 앞섰다. 평균 정확도는 99.33 %(+/-0.18) vs 98.99 %(+/-0.28), ROC‑AUC는 99.99 %(+/-0.01) vs 99.97 %(+/-0.01)였다. 특히 per‑class ROC 곡선이 거의 1.0에 근접했으며, 혼동 행렬에서도 Random 클래스를 제외하고 모든 클래스에서 97.5 % 이상의 민감도를 보였다. 통계적 검증으로는 fold‑wise F1‑score에 대해 paired t‑test를 수행했으며, p = 0.0048 (<0.01)로 유의미한 차이를 확인했다. 논의에서는 두 모델의 차이를 사전학습 목표와 데이터 도메인으로 구분했다. MAE는 이미지 전체 구조를 복원하도록 강제함으로써 전역적인 특징을 학습하고, 초음파 특화 데이터에서 사전학습됨으로써 도메인 불일치를 최소화한다. 반면 MoCo v3는 자연 이미지에서 대비 학습을 수행했기 때문에 도메인 차이가 성능 격차의 주요 원인으로 작용했을 가능성이 있다. 또한 절대적인 정확도 차이는 0.34 %p에 불과하지만, 오류율이 1.01 %에서 0.67 %로 33.7 % 감소한 점은 임상적 의미가 크다. 제한점으로는 CACTUS가 시뮬레이터 기반이라는 점, 단일 데이터셋에만 검증했으며 외부 검증이 부족하다는 점, 그리고 뷰 분류 자체가 비교적 쉬운 과제라 실제 병변 검출과 같은 복잡한 다운스트림 작업에서 차이가 더 크게 나타날 수 있다는 점을 언급한다. 향후 연구에서는 실제 환자 초음파 데이터, 다중 기관 데이터, 그리고 선천성 심장 결함(CHD) 검출 등 더 어려운 과제에 대한 전이 학습 효과를 평가할 계획이다. 결론적으로, USF‑MAE는 초음파 전용 대규모 사전학습과 마스크드 재구성 목표가 결합된 형태로, 동일한 ViT 백본과 학습 설정 하에서 MoCo v3 대비 통계적으로 유의한 성능 향상을 달성했다. 이는 초음파 영상 분야에서 도메인‑특화 SSL이 향후 자동화 진단 파이프라인 구축에 핵심적인 역할을 할 수 있음을 시사한다.