Brainomaly: 비정형화된 T1 가중 뇌 MRI 영상만을 활용한 비지도 신경학적 질환 탐지

의료 영상 분야에서 심층 신경망의 능력을 활용하는 것은 특히 희귀 질환에 대해 대규모의 레이블이 붙은 데이터셋을 확보하기 어려우며, 이는 레이블링에 고비용, 시간 및 노력이 소요되기 때문이다. 이러한 상황에서 비지도 질병 탐지 기법, 예를 들어 이상 탐지(anomaly detection)는 인간의 노력을 크게 줄일 수 있다. 일반적으로 이상 탐지는 건강한 대상의 영상만을 기반으로 학습하는 반면, 실제 환경에서는 건강한 환자와 질환을 가진 환자가 혼합된 레이블이 없는 데이터셋이 흔히 존재한다. 최근 연구들은 이러한 레이블이 없는 혼합 영상을 활용할 경우 비지도 질병 및 이상 탐지 성능이 향상될 수 있음을 보여주었다. 그러나 이러한 기법들은 등록된 뇌 영상에 특화된 지식을 활용하지 않아 뇌질환 탐지에서는 성능이 부족한 편이다. 이 제한점을 해결하기 위해 본 연구에서는 뇌질환 탐지에 특화된 GAN 기반의 이미지-이미지 번역 기법인 Brainomaly을 제안한다. Brainomaly는 뇌 영상에 적합한 맞춤형 이미지-이미지 번역을 제공할 뿐만 아니라, 레이블이 없는 혼합 영상을 활용하여 뇌질환 탐지 성능을 향상시킨다. 또한, 레이블이 없는 샘플 없이 추론을 위한 모델 선택 문제를 해결하기 위해 가상의 AUC(metric)를 제안함으로써 Brainomaly의 탐지 성능을 추가로 강화하였다. 광범위한 실험 및 아블레이션 연구를 통해, 공개된 데이터셋을 이용한 알츠하이머병 탐지 및 기관 내부 데이터셋을 이용한 두통 탐지에서 기존 최고 수준의 비지도 질병 및 이상 탐지 기법들을 크게 앞서는 성능을 입증하였다. 코드는 https://github.com/mahfuzmohammad/Brainomaly에서 공개되어 있다.