본 논문은 혈관 분할을 위한 모델의 데이터 효율성과 일반화 성능 향상을 목표로, 혈관의 기하학적 특징을 활용하는 VessShape라는 새로운 방법론을 제시한다. VessShape는 2D 합성 데이터셋을 생성하여 모델이 텍스처보다는 형태적 특징을 학습하도록 유도한다. 이 방법론을 통해 생성된 데이터셋으로 사전 학습된 모델은 적은 수의 실 데이터로 미세 조정하여 높은 성능을 보이며, 새로운 도메인에서도 추가 학습 없이 혈관 분할을 효과적으로 수행할 수 있음을 입증한다.
