AI 연구연구 프리프린트
TRACE, 끊어진 혈관·도로 영상 분할을 다시 잇는 학습 목표
원문 읽기 · arxiv.org ↗(새 탭에서 열림)TRACE는 혈관·도로처럼 가늘게 이어지는 구조를 영상에서 분할할 때, 기존 중심선 위치만 맞추지 않고 현재 예측에서 끊긴 연결을 찾아 고치도록 학습한다.
연구 방법
- 정답 골격의 연결 관계를 보존한 뒤 예측 결과에서 가능한 국소 재연결 경로를 비교한다. 가장 쉬운 유효 경로의 병목과 해당 골격 지점에 학습 신호를 주며, 추론 헤드를 바꾸지 않고 기존 분할 손실에 더한다.
평가 결과
- 6개 2D·3D 데이터셋의 비교에서 연결성과 위상 지표를 개선했다. 별도 CS2-Net 전이 실험의 DRIVE 혈관 데이터에서는 clDice가 82.19에서 84.07로, 위상 오류 지표 beta는 88.80에서 39.10으로 바뀌었다.
적용 조건
- 모두 공개 벤치마크와 통제된 모델 학습 실험으로, 의료 진단 정확도나 실제 도로 지도 품질을 검증한 결과는 아니다. 논문은 코드를 채택 뒤 공개할 예정이라고 적어 현재 재현 가능성은 제한된다.
함께 확인할 조건
- 모두 공개 벤치마크와 통제된 모델 학습 실험으로, 의료 진단 정확도나 실제 도로 지도 품질을 검증한 결과는 아니다. 논문은 코드를 채택 뒤 공개할 예정이라고 적어 현재 재현 가능성은 제한된다.
출처와 편집 기준
arxiv.org · 연구 프리프린트 · 검수 2026.10.18 (KST)
요약은 원문의 핵심을 정리했으며, 커머스 인사이트는 편집 해석이다.