흉부 X-ray PA·LA 패치 융합 기반 관상동맥 석회화 예측

Coronary Artery Calcium Score Prediction via Multi-View Patch Fusion on Chest X-ray

조영서

서울아산병원 & 울산대학교 의과대학

Overview

관상동맥 석회화(CAC) 스코어는 심혈관 질환의 주요 위험 지표이나, 측정을 위해 심장 CT가 필요하다. 본 연구는 이미 광범위하게 촬영되는 흉부 X-ray(CXR) 만으로 CAC 스코어를 4단계 순서형으로 예측하는 파이프라인을 제안한다.

• 데이터: 서울아산병원 CXR-CAC 매칭 코호트 (~2,500건)
• 타겟: CAC 스코어 4-class ordinal classification

클래스	CAC 범위	임상적 의미
0	0	석회화 없음
1	1 – 99	경증
2	100 – 399	중등도
3	400+	중증

---

Method

PA+LA Patch Fusion with CORAL

정면(PA)과 측면(LA) 두 뷰의 패치 토큰 전체를 융합하여 순서형 회귀를 수행한다.

DICOM PA ──► Preprocessing ──► EVA-X ──► Patch Tokens (N×768) ──┐
                                                                   ├──► PatchTokenFusion ──► CORAL Head ──► CAC Class
DICOM LA ──► Preprocessing ──► EVA-X ──► Patch Tokens (N×768) ──┘

CORAL Loss: 각 threshold(1, 100, 400)에 대한 누적 이진 분류기를 공유 weight로 학습하며, Focal weighting으로 어려운 샘플에 더 큰 gradient를 부여한다.

$$\mathcal{L}_\text{CORAL} = \frac{1}{B(K-1)} \sum_{b,k} (1-p_{t,bk})^\gamma \cdot \text{BCE}(\hat{p}_{bk},, \mathbb{1}[y_b \geq k])$$

---

Results

단일 뷰 대비 PA+LA 양뷰 융합 시 AUC 및 정확도가 일관되게 향상되었다. 결과는 3회 반복 학습의 mean±std로 보고한다.

View	AUC	ACC
PA only	0.61 ± 0.05	0.90 ± 0.08
LA only	0.67 ± 0.03	0.87 ± 0.01
PA+LA	0.71 ± 0.01	0.93 ± 0.03

---

Getting Started

pip install -r requirements.txt

단계	명령어	설명
1	python main.py --mode preprocess	DICOM 전처리 및 캐시 생성
2	python main.py --mode single	Single-view 학습 · 평가 · feature 추출
3	python main.py --mode fusion	Multi-view fusion 학습 · 평가