의료 AI 개발은 대규모 데이터셋에 의존하며, 데이터 부족 문제를 겪기 쉽습니다. AI 생성 모델을 활용한 생성적 데이터 증강(GDA)은 현실적인 의료 영상을 합성하는 해결책을 제시하지만, GDA의 편향은 종종 과소평가되어 AI가 생성한 유해한 특징을 도입하고 다운스트림 작업에 해를 끼칠 위험이 있습니다. 본 논문은 신뢰할 수 없는 GDA의 핵심 요인 중 하나로 실제 이미지와 합성 이미지 간의 주파수 불일치를 확인하고, 주파수 분포 불일치를 줄여 GDA를 개선하는 Frequency Recalibration (FreRec) 방법을 제안합니다. FreRec은 (1) 통계적 고주파 대체(SHR)를 통해 고주파 성분을 대략적으로 정렬하고 (2) 재구성적 고주파 매핑(RHM)을 통해 이미지 품질을 향상시키고 고주파 디테일을 재구성합니다. 뇌 MRI, 흉부 X-ray, 안저 이미지를 포함한 다양한 의료 데이터셋에서 광범위한 실험을 수행한 결과, FreRec은 보정되지 않은 AI 합성 샘플에 비해 다운스트림 의료 영상 분류 성능을 유의미하게 향상시켰습니다. FreRec은 모든 생성 모델과 호환되며, 일반적인 의료 GDA 파이프라인과 원활하게 통합될 수 있는 독립적인 후처리 단계입니다.
