Anatomy-Guided Diffusion Models for 3D Synthetic Brain MRI Generation

의료 영상 데이터의 부족 문제를 해결하기 위한 방안으로, 생성 모델을 활용한 고품질 뇌 MRI 합성이 주목받고 있다. 그러나 기존의 DDPM 및 LDM 기반 모델은 자연 이미지 생성에는 효과적이지만, 임상적 활용에 필요한 뇌의 형태학적 신뢰성 확보에는 한계가 있다. 본 연구는 해부학적 조직 확률 맵을 손실 함수에 통합한 새로운 확산 기반 모델 AnatDiff를 제안한다. AnatDiff는 복셀 단위의 해부학적 정보를 활용하여 손실 가중치를 조정하고, 기존의 시각적 평가 지표 외에도 주요 뇌 영역의 형태학적 정확성을 정량적으로 평가할 수 있는 프레임워크를 도입하였다. 피질 두께, 피질 면적, 피질하 부피에 대한 정량 분석 결과, AnatDiff는 기존 기법 대비 우수한 형태학적 지표 보존 성능을 입증하였다. 제안된 모델은 형태학적으로 신뢰할 수 있는 뇌 MRI 합성의 새로운 접근을 제시하며, 의료 인공지능 및 뇌 영상 기반 연구에 기여할 수 있을 것으로 기대된다.