특허 개요
본 특허는 여러 종류의 데이터 중 빠진 부분을 남아 있는 정보로 복원하는 생성모델 기반 결측치 대체 기술입니다. 인코더는 도메인 적대적 학습(LDA), 순차 대조적 학습(LOC), 피험자 내 모달리티별 일관성 최대화(LMC)를 결합해 데이터 종류에 따른 차이는 줄이면서 질병 진행 순서와 동일 환자의 정보 일관성을 반영한 임베딩을 생성합니다. 디코더는 이 임베딩과 복원할 데이터 종류를 지정하는 타깃 모달리티 조건을 입력받아 해당 모달리티의 누락 데이터를 재구성합니다.
- 핵심 기능
학습 시 인코더가 입력 데이터를 임베딩으로 변환하고, 디코더가 소스 모달리티 조건과 함께 원 데이터를 복원하도록 학습합니다. 결측치 대체 시에는 남아 있는 데이터와 타깃 모달리티 조건을 생성모델에 입력해 필요한 모달리티의 데이터를 재구성합니다.
- 차별 강점
종래 지도 대조 학습은 클래스가 다른 데이터를 구분할 때 질병 진행 단계 사이의 순서와 거리 차이를 충분히 반영하지 못했습니다. 본 기술은 진행 라벨 간 거리에 따른 패널티와 동일 피험자의 모달리티 간 일관성, 모달리티 특이 정보 제거를 결합해 순서형 멀티모달 데이터의 결측치 대체에 필요한 표현을 학습합니다.
- 활용 범위
기술·연구 측면에서는 신경퇴행성 질환의 MRI·PET·CT 결측 데이터 보완, 질병 진행도 분석, 순서가 있는 영상·음성·텍스트 멀티모달 데이터 복원에 활용 가능합니다. 사업 측면에서는 의료영상 AI 기업의 진단·진행도 분석 솔루션과 임상 멀티모달 데이터 플랫폼의 데이터 보완 기능, 조기 진단·맞춤형 치료 계획 지원 서비스로 확장할 수 있습니다.
연구 개발 단계
ADNI 데이터셋에서 임베딩의 질병 진행 순서 반영 여부를 분석하고, 결측치 대체 후 뇌 영역별 통계적 차이와 질병 단계 분류 성능을 비교했습니다. 실제 임상 환경의 다양한 데이터, 전향적 임상 검증 및 의료 워크플로 적용 성능은 아직 검증되지 않았습니다.
- 평가 데이터셋: ADNI의 다중 모달리티 데이터와 CN·EMCI·LMCI·AD 질병 단계
- 비교 모델: Cross-Entropy, Supervised Contrastive Learning, 결측 데이터 대체 미적용 모델
- 분석 조건: t-SNE 임베딩 시각화, Bonferroni 보정 p < 0.01의 뇌 영역별 그룹 비교, 2층 및 4층 MLP 분류기
현재 성과
ADNI 평가에서 피험자 내 모달리티별 일관성 최대화(LMC)를 추가 적용한 경우 CN·EMCI·LMCI·AD 질병 단계 분류에서 보고된 정확도입니다. 결측 데이터 대체를 적용한 모델은 미적용 모델보다 분류 정확도·정밀도·재현율이 높게 나타났으며, 실제 임상 데이터에서의 성능은 별도 검증이 필요합니다.
ADNI 데이터셋에서 t-SNE로 질병 진행 순서에 따른 임베딩 배열을 확인하고, 뇌 영역별 그룹 비교에 Bonferroni 보정을 적용했습니다. 결측치 대체 후 더 많은 뇌 영역에서 통계적으로 유의미한 차이가 관찰됐으며, 2층 및 4층 MLP로 질병 단계 분류 성능을 평가했습니다.
동일 클래스 여부를 중심으로 데이터를 구분하는 종래 지도 대조 학습과 달리, 질병 진행 라벨 간 거리에 따라 패널티를 달리합니다. 여기에 동일 피험자의 서로 다른 모달리티를 유사한 위치에 배치하는 학습과 모달리티 특이 정보를 제거하는 학습을 결합하고, 타깃 모달리티 조건에 따라 누락 데이터를 복원합니다.
상용화까지 남은 부분
실제 임상 환경의 다양한 데이터에서 결측치 대체 및 질병 단계 분류 성능 검증
전향적 임상 검증을 통한 결측 데이터 대체 결과의 유효성 확인
의료 워크플로에 적용했을 때의 데이터 처리 및 분석 성능 검증
기술 이전 형태·도입 과정
도입은 이렇게 진행됩니다.
검토 미팅
귀사 상황·데이터 구조 기준으로 적합성을 논의합니다. 자료 검토만으로 끝나도 됩니다.
PoC 공동 검증
연구팀 동행 하에 귀사 데이터 기준 재학습·성능을 확인합니다.
라이센싱 계약
PoC 결과를 기반으로 희망 형태(실시권·공동연구 등)를 협의합니다.
기술지도·후속
도입 초기 기술지도, 필요 시 후속 공동연구·정부과제 연계까지 진행합니다.
특허 정보
순차적 대조 학습을 이용한 결측치 대체 방법 및 장치
10-2024-0156117 (2024.11.06)
1020260043516 (2026.03.31)
미등록 (심사 중)
김원화, 백승훈, 심재윤
포항공과대학교 산학협력단