• 목록

[일시] 2025.07.07

[리뷰 논문] Unsupervised 2D Image Registration

[요약]
  본 세미나는 비지도 학습 기반 2차원 영상 정합에 관한 내용을 다루었다. 영상 정합(Image Registration)은 두 영상의 좌표계를 일치시키는 과정으로, 의료영상, 위성 영상, 증강현실 등 다양한 응용 분야에서 핵심적인 기술로 활용된다.

  전통적인 정합 방식은 최적화 기반 접근법으로, 각 정합에 대해 비용함수를 정의하고 반복적인 최적화를 수행해야 하므로 시간 소모가 크고 실시간 응용에 부적합하다는 한계가 존재한다. 이에 따라, 본 발표에서는 학습 기반 정합 방식의 개념과 필요성을 소개하였다. 해당 방식은 Fixed Image와 Moving Image를 입력받아, 신경망을 통해 Registration Field를 예측하고, 이를 기반으로 이동 영상을 변형시켜 정합을 수행한다.

  학습 시에는 유사도 손실(Similarity Loss, 예: MSE, NCC)과 정규화 손실(Regularization Loss, 예: Gradient Smoothness)을 동시에 최적화함으로써 의미 있는 정합장을 학습할 수 있으며, 정합 후에는 매우 빠른 추론이 가능하다는 점에서 임상적 유용성이 크다. 특히 발표에서는 정규화 손실 항이 없을 경우 변형장이 급격하고 불연속적인 형태로 나타나며, 이는 위상 붕괴를 유발하고 해부학적 구조의 왜곡으로 이어질 수 있음을 시각적 예시를 통해 설명하였다. 이러한 문제점을 해결하기 위한 대안으로, 미분동형 정합(Diffeomorphic Registration)이 소개되었으며, 이 방식은 위상 보존을 수학적으로 보장함으로써 더욱 안정적인 정합 결과를 도출할 수 있다.

  평가 지표로는 TRE, DSC, IoU, Jacobian Determinant 등이 활용되며, 단순 정합 정확도뿐만 아니라 위상적 안정성까지 정량적으로 평가하는 것이 중요함을 강조하였다.

[녹화 영상 링크]
https://us06web.zoom.us/rec/share/7q6juYtGwT3nDQfi6md_kbRYKO0NPZQZHSIn_RsVrHhh23nJtW3qK-tzqh003xLs.CW83umSG4Ypqvok4