| 초록 |
□ 연구개요 본 연구의 최종목표는 의료영상처리 및 기계학습 기술을 기반으로 하는 효율적이고 지능적인 안저영상의 혈관 추출 기법의 개발이다. 연구 내용은 다음 세 가지 사항으로 구성된다: (1) 혈관 추출을 위한 그래픽 사용자 인터페이스 (Graphic User Interface) 개발 (2) 지능적인 반자동 혈관 추출 기법 개발 (3) 지능적인 완전자동 혈관 추출 기법 개발 □ 연구 목표대비 연구결과 연구 내용의 각 항목의 연구 계획 시 목표 및 결과는 아래와 같음: (1) 지능적인 완전자동 혈관 추출 기법 개발 - 목표: A*STAR, SIVA 등 타 연구진 개발 기존 기법 대비 상대 우위 - 달성 결과: 기존 기법들이 유료로 비교만을 위해 구입하기 어려워 상대 우위 측정은 불가하였으나 절대평가를 통해 우수성을 확인함 (2) 지능적인 반자동 혈관 추출 기법 개발 - 목표: DRIVE db에 대해 DSC (F1-measure) 0.85 기준 결과 도출하는데 UI 활용 시간 60초 이내 달성 - 달성 결과: 강화학습(reinforcement learning) 기반 반자동 혈관 추출 기법 개발. 개발된 완전자동기법 결과를 초기 결과로 반자동 혈관 추출 기법을 통해 DSC 0.85 이상 도달하도록 편집하는데 걸리는 평균 시간 52초 (3) 혈관 추출을 위한 그래픽 사용자 인터페이스 (Graphic User Interface) 개발 - 목표: 비교기법 (DRIU, Mannis et al., 2016, DRIVE db DSC 0.822) 대비 우수하도록 DRIVE db DSC 0.83에 도달하는 기법 개발 - 달성 결과: Scale-space 이론을 CNN에 융합한 신규 CNN 구조 (SSANet, Scale-scape approximated Convolutional Network) 개발. DRIVE db DSC 0.835 달성 □ 연구개발결과의 중요성 • 임상의적 활용: 임상 영상의학 전문의의 시간, 노력 절감, 지능적인 진단 보조 - 개발 기술은 안과 의사들의 안저영상 분석에 필요한 시간과 노동력을 절감하고 환자의 혈관계 상태에 대한 정량적인 정보를 제공할 수 있는 기반이 될 것으로 기대된다. - 안전하고 저비용의 안저 영상 사진을 통해 전신혈관 상태를 분석하여, 전신 혈관질환을 조기 진단하고 예측함으로써, 합병증의 위험성이 높은 뇌혈관조영술, 관상동맥 조영술 등의 혈관 평가를 위한 침습적인 검사의 필요성을 줄여서 막대한 사회적인 의료비용을 절감할 수 있을 것으로 기대한다. (출처 : 요약문 2p) |
