의료 SAM 어댑터: 의료 영상 분할 적용
Segment Anything Model(SAM)은 다양한 영상 분할 작업과 프롬프트 기반 인터페이스로 인해 최근 큰 주목을 받고 있습니다. 그러나 SAM은 의료 특화 지식의 부족으로 인해 의료 영상 분할에서는 성능이 저하되는 한계가 있습니다. 본 연구는 SAM의 의료 영상 분할 능력을 향상시키는 방법을 모색합니다. 본 연구에서는 SAM을 의료 영상 분할에 통합하는 최초의 방법 중 하나인 Medical SAM Adapter(Med-SA)를 제안합니다. Med-SA는 SAM 모델을 미세 조정하는 대신 가볍고 효과적인 적응 기술을 사용하여 도메인 특화 의료 지식을 분할 모델에 통합합니다. 또한 2D SAM을 3D 의료 영상에 적용하기 위한 Space-Depth Transpose(SD-Trans)와 프롬프트 조건부 적응을 위한 Hyper-Prompting Adapter(HyP-Adpt)를 제안합니다. 다양한 양식의 17개 의료 영상 분할 작업에 대한 종합적인 평가 실험을 통해 Med-SA가 SAM 매개변수의 2%(13M)만 업데이트하면서도 우수한 성능을 달성함을 입증했습니다. 이는 SAM의 방대한 매개변수를 효율적으로 활용하여 의료 영상 분할 분야의 난제를 해결할 수 있는 가능성을 제시합니다. Med-SA는 의료 영상 분할 분야에서 SAM의 활용도를 크게 높여, 의료 진단 및 치료 계획 수립에 기여할 수 있는 잠재력을 가집니다.