[연구의 필요성]

3차원 자동 유방 초음파(ABUS)는 유방 전체를 한 번에 촬영할 수 있어 유방암 검진에 유용한 영상이지만, 사람이 직접 판독할 때는 판독자에 따라 결과가 크게 달라진다. 이를 돕는 종양 자동 분할 모델을 만들려면 크기·모양이 제각각이고 경계가 흐릿한 종양을 많이 학습해야 하는데, 3차원 볼륨에 픽셀 단위로 정답을 그리는 작업은 시간과 비용이 많이 든다. Segment Anything Model(SAM) 같은 파운데이션 모델은 다양한 영상에서 잘 동작하지만, 의료영상에서는 도메인 차이로 성능이 떨어진다. 기존의 SAM 의료영상 적응 기법들은 대량의 픽셀 단위 정답을 전제로 하고 대부분 2차원 영상에 머물러 있어, ABUS처럼 정답이 적은 3차원 영상에는 적용하기 어려웠다.

[포스텍이 가진 고유의 기술]

연구팀은 종양 중심 부근에 점을 찍은 "점 라벨"로 SAM2를 3차원 ABUS에 적응시키는 약지도 학습 방법을 제안했다. 소수의 볼륨에만 픽셀 단위 정답을 두고, 나머지 대량의 볼륨은 점 라벨만으로 학습에 활용한다. 핵심은 3차원 볼륨을 서로 직교하는 세 축 방향으로 잘라 각각을 영상 시퀀스처럼 SAM2에 넣는 것이다. 축마다 보이는 종양의 모습이 달라 서로를 보완하므로, 한 축의 모델이 만든 의사 라벨로 다른 축의 모델을 학습시키는 "다축 일관성 정규화"를 도입했다. 이 과정은 여러 라운드 반복할 수 있으며, 축별 모델이 서로에게 더 나은 의사 라벨을 제공한다.

[연구의 의미]

공개 데이터셋 TDSC-ABUS와 자체 구축 데이터셋에서 평가한 결과, 점 라벨로 학습한 제안 방법이 대량의 픽셀 단위 정답으로 학습한 기존 방법들보다 높은 분할 정확도를 보였다. 픽셀 단위 라벨링 부담을 점 라벨로 크게 줄이면서 3차원 의료영상에 파운데이션 모델을 적응시킬 수 있다는 점에 의미가 있다. 이 연구는 MICCAI 2026에 조기 채택(상위 약 9%)되었으며 구두발표 논문으로 채택되었다.

[연구결과의 진행 상태 및 향후 계획]

• 연구 결과는 MICCAI 2026에서 Oral로 발표되었다. 연구팀은 이 방법을 다른 3차원 의료영상과 병변에 적용하는 방안을 검토하고 있다.
• 
  [성과와 관련된 실적]

Soopil Kim*, Dongmin Lee*, Jiwon Jang, Wafa Arsalane, Daekyung Kim, Junhyeok Lee, KyoungJoon Lee, Sang Hyun Park†, "Multi-view Consistency-Based Adaptation of SAM2 for 3D ABUS Tumor Segmentation," MICCAI 2026. (* 공동 제1저자, † 교신저자)

• 
  [성과와 관련된 이미지]
• 그림1. 다축 일관성 기반 SAM2 약지도 적응 개요