MIXPINN은 연조직과 단단한 해부학 구조 간의 복잡한 상호작용을 시뮬레이션하기 위한 물리 정보 기반 그래프 신경망(GNN) 프레임워크입니다. 기존의 유한요소법(FEM) 기반 시뮬레이션은 정확하지만 계산 비용이 많이 들고 실시간 시나리오에는 적합하지 않습니다. MIXPINN은 그래프 기반 증강을 사용하여 연조직과 단단한 물체의 상호작용을 명시적으로 포착합니다. 가상 노드(VN)와 가상 에지(VE)를 통합하여 단단한 물체 제약 조건 충족을 향상시키면서 계산 효율성을 유지합니다. 생체역학 구조의 그래프 기반 표현을 활용하여 FEM에서 생성된 데이터로부터 고충실도 변형을 학습하고, 실시간 추론을 수 mm 이하의 정확도로 달성합니다. 실제 임상 시나리오에서 기존 GNN 모델 및 FEM 방법보다 우수한 성능을 보이며, 계산 비용을 10배 줄이면서 높은 물리적 정확도를 유지합니다. 이는 실시간 수술 시뮬레이션 및 로봇 지원 절차에 적합한 솔루션입니다.
