Optimizing Guidance Scale in Classifier-Free Diffusion Models for Conditional Brain MRI Generation

Abstract

뇌의 자기공명영상(Magnetic Resonance Imaging, MRI)은 신경과학 연구에 필수적인 도구이지만, 의료 영상 데이터 특성상 데이터 수집의 어려움이라는 한계가 존재한다. 이러한 어려움을 해결하기 위해 생성형 인공지능 기술을 활용하여 뇌 MRI 이미지를 생성하는 연구가 활발히 진행되고 있다. 본 연구에서는 실제와 같은 영상 생성으로 잘 알려진 diffusion 기반 생성 모델에 Classifier-Free Diffusion Guidance(CFG) 기법을 적용하여 생성 이미지에 성별, 연령 등 비영상 정보를 조건부(condition)로 반영한 2D 뇌 MRI 이미지를 생성하였다. 또한, 조건 반영 정도를 결정하는 guidance scale 값에 따른 생성 모델의 성능을 비교 분석했다. 실험 결과, guidance scale 값의 변화에 따라 이미지의 품질 및 다양성이 달라지는 것을 확인하였다. 이 결과는 최적의 guidance scale 값은 생성 모델 및 조건 정보에 따라 달라지는 것을 의미하며 적절한 guidance scale 값 선택이 중요하다는 것을 시사한다. 향후 더욱 정교한 모델 개발과 생성된 이미지의 의학적 활용 연구를 통해 뇌 MRI 이미지 생성 기술의 발전에 기여할 수 있을 것으로 기대한다.

Keywords

Citation