본 논문은 의료 영상 처리에서 기본적인 과제인 변형 등록(deformable registration)에 초점을 맞추고 있습니다. 기존 방법들은 적응성과 해석력이 뛰어나지만 계산 효율성이 낮다는 한계가 있습니다. 딥러닝 기반 방법들은 속도와 정확성을 크게 향상시켰지만, 데이터셋과 과제 간 유연성과 일반화 성능이 부족합니다. 본 논문은 대규모 다양한 데이터셋을 활용하여 보편적인 특징과 변환 패턴을 학습하는 기반 모델(foundation model)에 Sharpness-Aware Minimization (SAM)을 통합하여 의료 영상 등록에서의 일반화 및 강건성을 향상시키는 방법을 제시합니다. SAM을 통해 손실 함수의 평탄도를 최적화함으로써 다양한 데이터 분포에 걸쳐 모델의 안정성을 향상시키고 복잡한 임상 시나리오를 처리하는 능력을 강화합니다. 실험 결과, SAM이 통합된 기반 모델은 교차 데이터셋 등록 성능을 크게 향상시키는 것으로 나타났습니다.
