Anatomy-Aware Distillation with Memory-Augmented SAM2 for Fracture Detection

Abstract

방사선 영상의 골절 탐지는 미세한 균열 패턴과 복잡한 해부학적 구조, 제한된 주석 데이터로 인해 여전히 어려운 문제다. 본 연구는 SAM2 교사 모델과 경량 학생 검출기를 결합한 메모리 증강 지식 증류 프레임워크를 제안한다. 메모리 뱅크는 해부학적 골절 임베딩을 저장하고, 학생 모델은 관련 프로토타입과의 정렬을 통해 일관된 해부학적 추론을 학습한다. 또한 불확실성 기반 가중치를 통해 신뢰도 높은 지식을 선택적으로 전달하여 오탐을 줄인다. KHATL 및 FracAtlas 데이터셋 실험에서 제안 방법은 검출 정확도와 강건성을 향상시키며 의료 영상 골절 검출에 효과적인 접근임을 확인했다.