본 논문은 의료 영상, 특히 X-ray 영상에서의 랜드마크 검출 문제에 대한 새로운 접근법을 제시합니다. 기존 딥러닝 기반 랜드마크 검출 방법들이 데이터 부족 문제에 직면하는 것을 해결하기 위해, 잡음 제거 확산 확률 모델(DDPMs)을 이용한 자기 지도 학습 전략을 제안합니다. DDPMs를 활용하여 자기 지도 학습을 수행함으로써, 매우 적은 수의 주석이 달린 데이터 (50장의 이미지)만으로도 세 가지 유명한 X-ray 벤치마크 데이터셋에서 ImageNet 감독 학습 전처리 및 기존 자기 지도 학습 기법들을 능가하는 정확도를 달성합니다. 이는 랜드마크 검출에서의 자기 지도 학습에 DDPMs를 적용한 최초의 연구이며, 데이터 부족 문제를 완화하는 데 유용한 전처리 방법을 제시합니다.
