딥노이드는 국제의료영상처리학회(MICCAI) 2026에서 뇌 자기공명영상(MRI)의 백질 병변을 구분하는 인공지능(AI) 모델 ‘HiRAM’ 연구논문을 발표했다고 2일 밝혔다.
MICCAI 2026은 지난달 27일부터 1일까지 프랑스 스트라스부르에서 열렸다. 발표 논문은 학회 공식 공개 논문 목록에도 게재됐다.
연구진은 MRI에서 관찰되는 백질 고신호강도(WMH) 병변과 다발성경화증(MS) 병변의 분할을 연구했다. 이들 병변은 작고 여러 곳에 흩어져 있으며 주변 조직과의 경계가 불분명해 영상에서 정밀하게 구분하기 어렵다는 점에 주목했다.
HiRAM은 영상 분할 모델인 SAM과 합성곱신경망(CNN)을 결합한 구조에 맘바(Mamba) 기반 모듈을 적용했다. 영상 특징을 병변 내부·경계·배경으로 나누고, 각 영역에서 신뢰도가 높은 정보를 우선 처리하도록 설계한 것이 특징이다.
성능 평가는 공개 데이터셋인 MWSC와 MSLesSeg에서 기존 모델 10종과 비교하는 방식으로 진행했다. 연구에는 두 데이터셋의 FLAIR MRI 영상이 사용됐다. MWSC는 170명 가운데 60명을 학습용, 110명을 시험용으로 나눴고, MSLesSeg는 MRI 영상 115건을 학습용 93건과 시험용 22건으로 구분했다.
논문에 제시된 SAM 기반 HiRAM 모델의 다이스 계수(DSC)는 WMH 분할에서 82.1%, MS 분할에서 73.5%였다. 각각 해당 실험의 비교 모델 중 가장 높은 값인 77.0%, 70.2%보다 5.1%p, 3.3%p 높았다. DSC는 모델이 구분한 병변 영역과 기준 병변 영역이 얼마나 겹치는지를 나타내는 지표다.
공개 데이터셋을 이용한 병변 분할 성능 평가로, 환자를 대상으로 진단·치료 결과를 비교한 연구는 아니다.
딥노이드에 따르면 연구는 산업통상부의 ‘글로벌 연계형 멀티모달 의료 특화 초거대 생성형 AI 기술개발’ 과제 지원을 받았다. 연구진은 HiRAM 구현 코드를 공개했으며, 학회 논문 페이지에서도 관련 코드를 안내하고 있다.
