[논문] 방사선학에서 비교 추론을 위한 비전‑언어 프레임워크

Source: arXiv - 2606.06407v1

개요

의료 영상 인공지능은 개별 이미지 해석에서 뛰어난 성능을 보여왔지만, 진단과 추적 관찰이 이전 검사와 유사한 참고 사례와의 비교에 의존하는 방사선 실무와는 여전히 정합성이 부족합니다. 여기서는 방사선 비교를 엔터티 인식형 교차 이미지 추론 문제로 정의하고, 참고 사례 검색과 시간적 비교 해석을 모두 지원하는 프레임워크를 제안합니다. 우리는 일상적인 이미지‑보고서 쌍으로부터 구축한 대규모 비교 영상 데이터베이스 MedReCo-DB를 만들었으며, 8개 기관, 4개 국가, 7가지 영상 modality에 걸쳐 160,000명 이상의 환자에서 690,000장 이상의 이미지를 포함합니다. 보고서는 해부학적 구조, 이상 소견, 병리적 상태로 분해되어 엔터티 기반 검색 및 비교 시각 질문 응답에 대한 감독 정보를 제공합니다. 이 자원을 활용해 MedReCo라는 엔터티 인식형 시각 인코더를 개발하여 임상적으로 유사한 사례를 제어 가능한 방식으로 검색할 수 있게 했으며, MedReCo-VLM이라는 비전‑언어 확장 모델을 통해 구간 변화에 대한 생성적 해석을 수행했습니다. 내부, 외부 및 교차 센터 평가 전반에 걸쳐 MedReCo는 12개의 내부 검색 설정 모두에서 Recall@1 최고점을 기록했으며, 외부 검색 성능을 평균 6.0%p 향상시켰습니다. 임상적으로 혼동될 수 있는 감별군에서도 가장 강력한 베이스라인을 지속적으로 능가했습니다. MedReCo-VLM은 모든 비교 생성 평가에서 최고의 성능을 보였으며, 흉부 X‑ray에서는 추적 정확도를 14.5‑46.5%p, CT에서는 13.0‑27.9%p 향상시켰습니다. 이러한 결과는 엔터티 인식형 비교 추론이 대규모 일상 임상 데이터로부터 학습될 수 있음을 시사하며, 의료 영상 AI에 보다 임상에 부합하는 기반을 제공할 수 있음을 보여줍니다.

주요 기여

이 논문은 다음 분야의 연구를 다룹니다:

• cs.CV
• cs.IR
• cs.LG
• eess.IV

방법론

자세한 방법론은 전체 논문을 참고하십시오.

실용적 함의

본 연구는 cs.CV 분야의 발전에 기여합니다.

저자

• Tengfei Zhang
• Ziheng Zhao
• Lisong Dai
• Xiaoman Zhang
• Pengcheng Qiu
• Ya Zhang
• Yanfeng Wang
• Weidi Xie

논문 정보

• arXiv ID: 2606.06407v1
• 분류: cs.CV, cs.IR, cs.LG, eess.IV
• 발표일: 2026년 6월 4일
• PDF: Download PDF