Papers·1주 전
WaveDiT: 3D 뇌 MRI 합성에서 웨이블릿 변환 + 조건부 흐름 매칭 — 단일 GPU에서 풀해상도 합성
SisInfLab 팀이 3D 뇌 MRI 합성에서 단일 GPU로 풀해상도 합성을 가능하게 하는 WaveDiT를 제안했습니다. 3D Haar 이산 웨이블릿 변환 계수 공간에서 조건부 흐름 매칭을 수행하며, 분해된 시공간 어텐션과 대역별 이분산 불확실성 모델링을 결합했습니다. 기존 확산, 잠재, 웨이블릿 기반 방법 대비 생성된 MRI 분포 정합도와 하위 뇌 연령 예측, 영역별 해부학적 일치도에서 개선을 보였습니다. 코드는 공개되었습니다.
SisInfLab이 3D 뇌 MRI 합성에서 단일 GPU로 풀해상도를 가능하게 하는 WaveDiT를 공개했습니다.
핵심 결론
- 벤치 — 다중 사이트 코호트 평가에서 기존 확산, 잠재, 웨이블릿 기반 방법 대비 생성 MRI 분포 정합도 개선.
- 하위 태스크 — 뇌 연령 예측과 영역별 해부학적 일치도에서도 향상된 성능을 보였습니다.
방법
- 핵심 아이디어 — 3D Haar DWT 계수 공간에서 조건부 흐름 매칭을 수행하여 풀해상도 합성을 가능하게 함.
- 어텐션 — 분해된 시공간 어텐션(factorized spatio-depth attention)으로 메모리 효율을 높였습니다.
- 불확실성 — 고차 웨이블릿 통계에서 유도된 대역별 이분산 불확실성 모델링을 흐름 목적함수와 조건화 경로에 통합.
한계·조건
- 리소스 — 단일 최신 GPU에서 실용적인 메모리 및 시간 제약 내에서 동작하지만, 구체적인 GPU 모델과 메모리 사용량은 명시되지 않았습니다.
- 코드 — GitHub에 공개되어 재현 가능합니다.
편집자 한 줄
웨이블릿 도메인에서 흐름 매칭을 적용한 점이 참신하며, 의료 영상 증강에 실용적으로 쓰일 가능성이 있습니다.
- #mri
- #wavelet
- #flow-matching
- #medical-imaging
- #sisinflab
SisInfLab