Graph-of-Differences: 의료 영상 재식별을 위한 해부학 구조 기반 차이 정렬

의료 영상 재식별 (Medical image re-identification, MedReID)은 종단적 환자 연결 (longitudinal patient linkage)을 가능하게 하지만, 지름길 학습 (shortcut learning)에 취약하며 임상의가 명명된 해부학적 구조를 바탕으로 감사할 수 없는 결정을 내리는 경우가 많습니다. 우리는 명시적인 해부학적 구조 (anatomical structure)에 기반하여 신원 비교를 수행하는 Graph-of-Differences (GoD)를 제안합니다. 각 영상은 노드가 명명된 해부학적 영역에 대응하는 해부학 그래프 (anatomy graph)로 표현됩니다. 영상 쌍이 주어지면 소프트 노드 대응 (soft node correspondence)이 설정되고, 매칭된 해부학적 구조에 대해 차이 (differences)가 계산됩니다. 그래프 수준의 차이 정렬 (graph-level difference alignment) 목적 함수는 이러한 해부학적으로 매칭된 차이를 전역 백본 차이 (global backbone difference)와 결합하여, 검색 신호가 임의의 공간적 토큰 (spatial tokens)이 아닌 상동 구조 (homologous structures)에 고정되도록 보장합니다. 설명 (Explanations)은 명명된 그래프 노드에 대해 정의되며, 노드 삽입/삭제 테스트 (node insertion/deletion tests)를 통해 정량적으로 감사됩니다. 이는 불안정한 픽셀 히트맵 (pixel heatmaps)을 검증 가능한 구조 수준의 증거로 대체합니다. 내부 벤치마크에서 GoD는 강력한 동결 백본 (frozen-backbone) 베이스라인 대비 안저 (fundus) 영상에서 Rank-1을 +7.1 pp, CXR (흉부 X선)에서 +3.1 pp 향상시켰으며, 제로샷 외부 전이 (zero-shot external transfers)에서의 추가적인 이득은 해부학적 근거 (anatomy grounding)가 정확도와 일반화 성능을 모두 향상시킨다는 것을 확인시켜 줍니다. 코드는 https://github.com/GenMI-Lab/GoD.git 에서 확인할 수 있습니다.