의료용 3D 메쉬 세그멘테이션용 EAMS 공개

기존 메쉬 및 포인트 클라우드 기반 세그멘테이션 방식은 **등변성(Equivariance)**이 부족하여, 환자의 자세 변화나 메쉬 해상도 차이에 따라 성능이 급격히 저하되는 문제가 있다. 예를 들어, 구강 스캔 데이터의 경우 40도 기울기만으로도 IoU가 25~26 포인트 하락할 수 있다.

**EAMS(Equivariant Anatomical Mesh Segmentor)**는 **EMNN(Equivariant Mesh Neural Networks)**을 기반으로 구축되었으며, 다양한 임상 작업(edge, vertex, face-level supervision)에서 안정적인 성능을 보인다.

주요 특징은 다음과 같다:

• **고유 메쉬 기술자(Intrinsic mesh descriptors)**와 해부학적 사전 정보(치아궁 및 간 표면을 위한 PCA 기반 프레임 등)를 결합한다.
• 메시지 패싱(Message passing)을 증강하여 가벼운 글로벌 컨텍스트를 제공한다.
• 2M 미만의 경량 파라미터를 사용하여 다양한 감독 유형에 대해 별도의 아키텍처 없이 대응 가능하다.

실험 결과, EAMS는 두개내 동맥류 및 구강 내 세그멘테이션 작업에서 기존 전문 모델과 대등한 성능을 유지하면서도, 기하학적 변형에 대해 매우 높은 안정성을 보여주었다.