Binary Flow Matching 기반 혈관 분할
Binary Flow Matching과 Straight-Path Regularization으로 가느다란 혈관의 연결성과 분할 효율을 개선한 연구.
개요
의료영상에서 가느다란 혈관이 끊기거나 불명확하게 분할되는 문제를 개선하기 위해 Binary Flow Matching(BFM)을 제안했습니다.
이진 마스크의 특성에 맞는 생성 과정과 효율적인 경로 학습을 결합해 혈관 구조의 연결성과 추론 효율을 함께 다룹니다.
문제 정의
- 가는 혈관과 복잡한 분기 구조가 분할 과정에서 쉽게 단절되는 문제
- 경계가 불명확한 영역에서 혈관 구조를 안정적으로 복원해야 하는 요구
- 생성 기반 분할 모델의 성능과 추론 효율을 함께 개선해야 하는 문제
접근
- 이진 마스크 생성에 적합한 Binary Flow Matching 학습 과정 설계
- 더 직접적인 생성 경로를 유도하는 Straight-Path Regularization 적용
- 세 가지 혈관 데이터셋을 활용한 분할 성능과 구조적 연결성 검증
결과
- MICCAI 2026 제1저자 논문 채택
- 세 가지 혈관 데이터셋에서 비교 방법 대비 우수한 성능 확인
- 혈관 연결성과 생성 기반 추론 효율 개선