• 목록

[일시]
2025.10.22

[세미나 주제]
Unsupervised Deformable Image Registration

[발표자]
김지훈

[요약]
본 발표는 Deformable Image Registration(DIR)의 핵심 개념과 딥러닝 기반 비지도 정합 파이프라인을 정리한다. 먼저 DIR은 새로운 이미지를 생성하는 생성모델과 달리, 고정/이동 영상 쌍으로부터 픽셀 단위 변위장(dense registration field)을 출력해 공간 정렬을 수행한다. 전통적 최적화 방식은 케이스별 반복 최적화로 느리다는 한계가 있으며, 딥러닝 기반 방법은 CNN이 변위장을 예측하고 미분가능한 워핑(STN)으로 한 번에 정합해 추론 속도를 크게 개선한다. 손실은 (1) 고정영상 vs 워프된 이동영상의 유사도 손실과 (2) 변위장의 기울기 평활화 정규화로 구성되며, 정규화가 없으면 접힘(folding)·단층화 등 해부학적 왜곡이 발생할 수 있다. 이를 근본적으로 줄이기 위해 미분동형(diffeomorphic) 정합이 제안되며, 매끄럽고 전단사이며 역변환도 매끄러운 필드를 보장해 위상 보존을 강화한다.



[Q&A]
- 진행중인 연구의 Cross-dataset evaluation protocol이 정합 결과에 대한 해부학적 타당성(anatomical plausibility)를 설명할 수 있는 평가인가?
: 진행중인 연구의 해부학적 타당성에 대한 입증은 Intra-dataset evaluation protocol을 통해 설명한다. Cross-dataset의 활용은 정합에 대한 일반화 성능 평가에 국한된다.