[논문]인공지능을 활용한 C-Arm에서 수술용 거즈 검출을 위한 데이터셋 구축 및 검출모델 적용에 관한 연구

김진엽; 황호성; 이병주; 최용진; 이강석; 김호철

doi:10.9718/jber.2022.43.4.290

인공지능을 활용한 C-Arm에서 수술용 거즈 검출을 위한 데이터셋 구축 및 검출모델 적용에 관한 연구
A Study on the Dataset Construction and Model Application for Detecting Surgical Gauze in C-Arm Imaging Using Artificial Intelligence 원문보기

Journal of biomedical engineering research : the official journal of the Korean Society of Medical & Biological Engineering, v.43 no.4, 2022년, pp.290 - 297

김진엽 (가톨릭대학교 은평성모병원) , 황호성 (을지대학교 일반대학원 의료인공지능학과) , 이병주 (가톨릭대학교 은평성모병원) , 최용진 (가톨릭대학교 은평성모병원) , 이강석 (가톨릭대학교 은평성모병원) , 김호철 (을지대학교 일반대학원 의료인공지능학과)

Abstract ▼ AI-Helper

During surgery, Surgical instruments are often left behind due to accidents. Most of these are surgical gauze, so radioactive non-permeable gauze (X-ray gauze) is used for preventing of accidents which gauze is left in the body. This gauze is divided into wire and pad type. If it is confirmed that the gauze remains in the body, gauze must be detected by radiologist's reading by imaging using a mobile X-ray device. But most of operating rooms are not equipped with a mobile X-ray device, but equipped C-Arm equipment, which is of poorer quality than mobile X-ray equipment and furthermore it takes time to read them. In this study, Use C-Arm equipment to acquire gauze image for detection and Build dataset using artificial intelligence and select a detection model to Assist with the relatively low image quality and the reading of radiology specialists. mAP@50 and detection time are used as indicators for performance evaluation. The result is that two-class gauze detection dataset is more accurate and YOLOv5 model mAP@50 is 93.4% and detection time is 11.7 ms.

주제어

표/그림 (10)

그림 그림 1. SIEMENS사의 Spin(a), GE사의 OEC 9800 PLUS(b)을 이용한 팬텀이 없는 실험환경 Fig. 1. Experimental environments without phantom using SIEMENS Spin(a) and GE OEC 9800 PLUS(b)
그림 그림 2. SIEMENS사의 Spin(a), GE사의 OEC 9800 PLUS(b)을 이용한 팬텀이 있는 실험환경 Fig. 2. Experimental environments with phantom using SIEMENS Spin(a) and GE OEC 9800 PLUS(b)
그림 그림 3. Sawbones사의 Vertebroplasty Trunk #1513-38 Fig. 3. Vertebroplasty Trunk #1513-38 of Sawbones
그림 그림 4. 방사성 불투과성 거즈 중 와어어 형태의 거즈(a)와 패드 형태의 거즈(b) Fig. 4. The X-ray gauze of wire(a) and pad(b)
그림 그림 5. 방사성 불투과성 거즈 중 와어어 형태의 거즈(a)와 패드 형태의 거즈(b)의 C-Arm영상 Fig. 5. C-Arm images of wire(a) and pad(b) gauze
그림 그림 6. C-Arm 이미지에 대한 거즈 라벨링 예 Fig. 6. Example of labelling the gauze on the C-Arm image
표 표 1. 학습에 사용된 영상의 수 Table 1. Number of images used for training
그림 그림 7. YOLOv5를 이용한 거즈 검출학습 예 Fig. 7. Example of training gauze detection using YOLOv5
표 표 2. 단일 클래스 거즈에 대한 객체 검출모델성능 Table 2. One class gauze detection performance of the object detection model
표 표 3. 2가지 클래스 거즈에 대한 객체 검출모델성능 Table 3. Two class gauze detection performance of the object detection model

참고문헌 (15)

Choi JH, Kim GD, Keh SY, Jang JY, Choi HY, Yoon JH. Diagnostic Imaging Features of Abdominal Foreign Body in Dogs; Retained Surgical Gauze. Journal of veterinary clinics. 2011;28(1):94-100.
Kang DB, Kim SH, Oh JT, Kim HY. Pelvic mass caused by gossypiboma. Obstetrics & Gynecology Science. 2009;52(4):476-9.
Oh JY, Shin HK, Won YS, Lee JW, Yang JS. A Forgotten Surgical Gauze after Surgery that Mimicked Aspergilloma - A case report -. The Korean Journal of Thoracic and Cardiovascular Surgery. 2007;40(8):590-2.
Abdul-Karim FW, Benevenia J, Pathria M, Makley J. Case report 736: Retained surgical sponge (gossypiboma) with a foreign body reaction and remote and organizing hematoma. Skeletal radiology. 1992;21(7):466-9.

상세보기
Gebhard F, Weidner A, Liener UC, Stockle U, Arand M. Navigation at the spine. Injury. 2004;35(1):35-45.

상세보기
Cho YC, Jang SM, Park SW, Choi BH, Ha JH, Son JH, Sung IY. Removal of foreign body on cheek using endoscope and C-arm fluoroscopy. Journal of the Korean Association of Oral and Maxillofacial Surgeons. 2011;37(3):234-6.

원문보기 상세보기
Hussin R, Juhari MR, Kang NW, Ismail R, Kamarudin A. Digital image processing techniques for object detection from complex background image. Procedia Engineering. 2012;41:340-4.

상세보기
Lim BH, Jeong SS, Yu YS. Deep Learning Method for Improving Contamination Dectection of Xoray Inspection System. The Korean Institute of Information and Communication Sciences Conference. 2021;460-2.
Hong JY, Park SH, Jung YJ. Artificial Intelligence Based Medical Imaging: An Overview. Journal of radiological science and technology. 2020;43(3):195-208.

원문보기 상세보기
Noh SH, Kim JE, Lee CS, Kim TH, Kim KW, Yoon KH, Jeong CW. Development of Web Service for Liver Cirrhosis Diagnosis Based on Machine Learning. KIPS Transactions on Computer and Communication Systems. 2021;10(10):285-90.

원문보기 상세보기
Provost F. Machine Learning from Imbalanced Data Sets 101. 2018.
Chlap P, Min H, Vandenberg N, Dowling J, Holloway L, Haworth A. A review of medical image data augmentation techniques for deep learning applications. J Med Imaging Radiat Oncol. 2021;65(5):545-63.

상세보기
Oh MJ, Choi ES, Roh KW, Kim JS, Cho WS. A Study on the Design of Supervised and Unsupervised Learning Models for Fault and Anomaly Detection in Manufacturing Facilities. Korea Bigdata Society. 2021;6(1):23-35.
Redmon J, Divvala S, Girshick R, Farhadi A. You only look once: Unified, real-time object detection. 2016 IEEE Conference on Computer Vision and Pattern Recognition. 2016;779-88.
Lee YH, Kim YS. Comparison of CNN and YOLO for Object Detection. Journal of the semiconductor & display technology. 2020;19(8):85-92.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증