fastrad: GPU 가속 라디오믹스 라이브러리 — PyRadiomics보다 25배 빠르고 100% IBSI 준수

실용적 조언

대규모 의료 영상 데이터셋에서 특징 추출 병목이 발생할 경우 fastrad를 도입하여 처리 시간을 25배 이상 단축할 수 있다.
PyTorch 기반 워크플로를 사용하는 연구자는 fastrad의 텐서 연산을 활용해 별도의 데이터 변환 없이 GPU 가속을 즉시 적용 가능하다.

섹션별 상세

기존 표준인 PyRadiomics의 속도 한계를 극복하기 위해 모든 연산을 PyTorch 텐서 기반으로 재구현했다. CPU 전용인 기존 방식은 스캔당 약 3초가 소요되었으나, fastrad는 RTX 4070 Ti 기준 0.116초로 단축하여 약 25배의 속도 향상을 달성했다. 이는 대규모 데이터셋을 다루는 연구자들에게 실질적인 시간 절감 혜택을 제공한다.

IBSI(Image Biomarker Standardisation Initiative) 8개 기능 클래스를 모두 지원하며 수치적 정확도를 검증했다. IBSI Phase 1 디지털 팬텀을 통해 105개 기능에 대해 최대 편차 10⁻¹³% 이하의 정확도를 확인했으며, 실제 CT 데이터에서도 PyRadiomics와 거의 완벽하게 일치하는 결과를 얻었다. 이를 통해 기존 연구 결과와의 호환성을 보장한다.

단일 스레드 CPU 환경에서도 기존 멀티 스레드(32개) PyRadiomics보다 빠른 성능을 보여준다. x86 환경에서 2.63배, Apple Silicon 환경에서 3.56배 더 빠른 성능을 기록하며 하드웨어 가속 없이도 효율적인 연산 구조를 갖췄음을 입증했다. 이는 GPU가 없는 환경에서도 충분한 성능 이점이 있음을 의미한다.

GLCM 및 GLSZM과 같은 복잡한 커널을 PyRadiomics와 수치적으로 동일하게 구현하는 과정이 가장 까다로운 작업이었다. 개발자는 PyTorch의 텐서 연산을 통해 장치 라우팅(CPU/CUDA)을 투명하게 처리하면서도 메모리 사용량을 654MB 수준으로 최적화했다. 효율적인 메모리 관리를 통해 보급형 GPU에서도 원활한 실행이 가능하다.

용어 해설

라디오믹스(Radiomics): — 의료 영상에서 대량의 정량적 특징을 추출하여 질병의 특성을 분석하는 기술이다. CT나 MRI 영상의 픽셀 강도, 질감, 형태 등을 수치화하여 진단 및 예후 예측에 활용하며, 대규모 데이터 분석 시 높은 계산 복잡도를 요구한다.
영상 바이오마커 표준화 이니셔티브(IBSI): — 라디오믹스 특징 추출의 표준화를 위한 국제 협력 기구이다. 서로 다른 소프트웨어 간의 결과 일관성을 보장하기 위한 표준 정의와 검증 절차를 제공하며, fastrad는 이 표준의 Phase 1을 100% 준수한다.
회색조 동시발생 행렬(GLCM): — 영상 내 픽셀 간의 상대적 위치에 따른 밝기 값의 분포를 나타내는 행렬이다. 영상의 질감 특징을 분석하는 핵심 도구로, fastrad는 이를 GPU 가속 텐서 연산으로 재구현하여 성능을 높였다.
회색조 영역 크기 행렬(GLSZM): — 동일한 밝기 값을 가진 인접 픽셀들의 영역 크기를 측정하여 영상의 질감 균일성을 평가하는 방식이다. 구현이 까다로운 연산 중 하나이나 fastrad는 기존 표준과 수치적으로 동일한 결과를 내도록 최적화했다.
텐서 연산(Tensor Operations): — 데이터를 다차원 배열인 텐서 형태로 처리하는 수치 계산 방식이다. GPU의 병렬 처리 능력을 활용하여 대규모 데이터를 동시에 계산할 수 있게 하며, fastrad의 고속 처리 성능을 가능하게 하는 핵심 기술이다.

언급된 도구

fastrad추천

GPU 가속 라디오믹스 특징 추출 라이브러리

PyRadiomics중립

기존 표준 라디오믹스 라이브러리 (비교 대상)

PyTorch추천

텐서 연산 및 GPU 가속 프레임워크

언급된 리소스

GitHubfastrad GitHub Repository

논문fastrad Pre-print Paper