본 논문은 만성 상처 환자의 원격 모니터링을 위한 자동화된 상처 크기 측정 시스템 개발을 다룬다. 기존 의료 영상 연구에서 상처 분할이 부족하다는 점을 인지하고, 일반 목적 비전, 의료 영상 분야의 최첨단 심층 학습 모델들과 공개 상처 관련 대회의 우수 모델들을 벤치마킹하여 비교 분석한다. 공정한 비교를 위해 표준화된 훈련, 데이터 증강 및 평가를 진행하고, 교차 검증을 통해 분할 편향을 최소화한다. 또한, 다른 데이터셋으로의 일반화 성능, 계산 효율성, 해석 가능성 등 실제 배포 측면을 평가하고, AI 생성 마스크를 임상적으로 유의미한 상처 크기 추정치로 변환하는 참조 객체 기반 접근 방식을 제안한다. 전문가 평가를 통해 마스크 품질과 크기 추정 정확도를 평가하고, 최종적으로 개발된 AI 기반 상처 크기 추정 프레임워크 WoundAmbit을 맞춤형 원격 의료 시스템에 통합하는 것을 보여준다. Transformer 기반 TransNeXt 모델이 가장 높은 일반화 성능을 보였으며, 모든 모델이 CPU에서 초당 하나 이상의 이미지를 처리할 수 있을 정도로 효율적이었다. 전문가 평가 결과, 대부분의 모델이 높은 마스크 승인율을 보였고, VWFormer와 ConvNeXtS 백본 모델이 가장 우수한 성능을 나타냈다.
