배경: 침술 지점(경혈)의 정밀한 국소화는 전통 한의학(TKM)의 임상적 성공에 핵심적이다. 시각적 관찰과 촉진에 의존하는 기존 방법은 주관성이 높고 관찰자 간 및 관찰자 내 차이가 발생하기 쉬워 표준화가 어렵다. 또한 데이터 기반 국소화 기법의 발전은 주석이 달린 데이터셋의 부족과 라벨링 품질의 불일치로 인해 제한을 받고 있다. 목적: 본 연구는 이러한 한계를 극복하기 위해 경혈 국소화를 위한 고충실도(high-fidelity), 해부학적으로 일관된 손 이미지들을 제공하는 합성 데이터셋 MetaAcuPoint를 제시한다. 방법: MetaAcuPoint는 Unreal Engine 내의 MetaHuman 아바타를 사용하여 생성되었으며, 그 결과 900장의 RGB 손 이미지가 제작되었다. 해부학적으로 정렬된, 골격 부착(bone-attached) 소켓을 진단적으로 관련된 손 경혈 5개에 대해 구현하여, 다양한 손 자세에서 밀리미터 수준의 정밀도와 공간적 일관성을 확보하였다. 데이터셋의 타당성은 MMPose 프레임워크에서 고해상도 네트워크(HRNet-W48)를 훈련하고, 실제 환경의 전완 이미지에 대해 성능을 시험함으로써 평가하였다. 결과: 합성 데이터로 훈련된 모델은 평균 거리 오차(MDE) 5.67 ± 3.13 pixels를 보였으며, 4.81 ± 2.85 pixels인 실제 데이터 기반선과 매우 근접하였다. 합성 샘플을 실제 데이터에 추가한 경우 성능이 추가로 향상되었는데(MDE: 4.95 pixels), 수작업으로 주석 처리된 합성 이미지는 더 열악한 결과를 나타냈다(MDE: 12.76 pixels). 이는 자동화된 해부학적 주석의 이점을 강조한다. 네 개의 외부 데이터셋에 대한 일반화 시험에서는 합성 데이터로 훈련된 모델이 실제 데이터로 훈련된 모델보다 우수한 성능을 보였으며, 더 높은 정확도를 유지하였다(MDE: 5.84-6.45 mm 대 10.63-15.80 mm). 결론: MetaAcuPoint는 손 경혈 국소화에서 합성-실제 일반화의 첫 번째 사례를 보여준다. 광현실적 렌더링과 해부학적 기반 주석을 결합함으로써, 본 데이터셋은 침술 연구와 임상에서 표준화되고 데이터 기반인 접근을 촉진할 수 있는 신뢰할 수 있는 자원을 제공한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.