같은 MRI 데이터라도 공급업체나 센터 간의 차이로 인해 서로 다른 특성을 지닐 수 있다. 이러한 차이는 이미지 품질, 해상도, 노이즈 수준 등의 차이로 나타나며, 이는 결국 진단 결과에 영향을 미치는 중요한 요소로 작용한다. 기존의 파이프라인은 이러한 도메인 차이에 따른 문제를 완전히 해결하지 못하고 있으며, 이로 인해 임상적으로 사용할 때 큰 제약이 발생한다. 따라서 다양한 환경에서 일관된 성능을 보장할 수 있는 새로운 접근법이 요구된다.

본 연구에서는 도메인 적응(Domain Adaptation, DA) 기법을 활용하여 분할 모델의 성능을 개선한다. 도메인 적응은 원본 도메인과 목표 도메인 간의 차이를 극복하는 데 효과적인 방법으로, 이를 통해 모델이 다양한 환경에서도 안정적으로 작동할 수 있게 된다. 이러한 접근을 통해 목표 도메인의 특성을 잘 반영할 수 있는 모션 플로우 네트워크를 적용하여 도메인 맞춤형 모델을 개발하였다. 특히, 모션 플로우는 분할 결과를 활용한 feature extraction based learning 기법으로 학습되어, 효과적인 특징 추출을 가능하게 한다.

또한, 개발된 모델을 통해 임상적 지표를 효과적으로 추출하고, 이를 바탕으로 심혈관 질환 분류를 수행한다. 이 과정에서 각 단계의 성능을 평가하고 최적화하여 실제 임상에서 유용하게 활용될 수 있는 시스템이 구축된다. 궁극적으로 본 연구는 심장 질환 진단의 정확성을 높이고, 다양한 의료 환경에서의 신뢰성을 확보하는 데 중요한 역할을 할 것으로 기대된다.