PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.00500v1physics.med-ph

실시간 MRI 치료 안내를 위한 개인화 모델과 파운데이션 모델의 폐루프 결합

Closed-loop coupling of personalised and foundation models for real-time treatment guidance with MRI

영상 유도 치료(방사선 치료, 생검, 심부 뇌 자극 포함)는 해부학적 구조의 실시간 타겟팅에 의존한다. 그러나 움직임이 존재하는 경우, 영상 지연으로 인해 관측된 해부학과 실제 해부학 사이에 시간적 불일치가 발생하여 치료 정확도가 저하된다. 인공지능 기반 프레임워크가 이 지연 격차를 줄이기 위해 점차 제안되어 왔지만, 선도적인 개인화 모델은 안정적인 해부학적 그라운딩(grounding)의 부재로 인해 실패할 수 있다. 파운데이션 모델(foundation model)은 그라운딩된 동작을 제공할 수 있지만, 실시간 개별 환자 역학에는 적응하지 못한다. 본 논문에서는 환자별 시간적 예측과 파운데이션 모델의 연속적 분할(segmentation) 기반 해부학적 해석을 시너지적으로 결합하는 폐루프 결합 프레임워크를 제안한다. 개인화 모델은 시스템 지연을 보상하기 위해 미래 해부학을 예측하고, 스트리밍 파운데이션 모델은 치료 중 실시간으로 시간적 예측기를 지속적으로 업데이트하는 데 사용되는 해부학적 감독(supervision) 신호를 제공한다. 본 프레임워크는 디지털 팬텀과 MRI 유도 방사선 치료를 받는 환자의 분획 내 자기공명영상(MRI)을 사용하여 검증하였다. 400ms 예측 지평(prediction horizon)에서 제안된 방법은 임상적으로 유의미한 지연 제약 내에서 기존 접근법과 비교하여 해부학적 예측을 개선하고 선량 오차를 줄인다. 이러한 결과는 폐루프 결합이 실시간 영상 유도 중재를 위한 범용 전략임을 확립한다.