초록 ▼

□ 연구개요
뇌졸중은 초기 뇌영상에서 각각의 원인별로 어느 정도 분류가 가능한 뇌병변 패턴을 보이는데, 이 정보들을 등록하여 데이터베이스를 구축하고 영상패턴 인식기술을 이용하여 분류하면 초기 뇌영상 소견으로 뇌졸중의 발병 원인을 예측할 수 있을 것으로 생각하였다. 이에 본 연구자들은 원인별 뇌영상 데이터베이스를 구축하고 머신러닝 기술을 이용하여 환자에 대한 임상정보나 추가적 검사 없이 초기 뇌영상 자료만으로 뇌졸중의 원인을 예측하고자 시도하였다.

□ 연구 목표대비 연구결과
1) 뇌졸중 영상 데이터베이스 구축<

□ 연구개요
뇌졸중은 초기 뇌영상에서 각각의 원인별로 어느 정도 분류가 가능한 뇌병변 패턴을 보이는데, 이 정보들을 등록하여 데이터베이스를 구축하고 영상패턴 인식기술을 이용하여 분류하면 초기 뇌영상 소견으로 뇌졸중의 발병 원인을 예측할 수 있을 것으로 생각하였다. 이에 본 연구자들은 원인별 뇌영상 데이터베이스를 구축하고 머신러닝 기술을 이용하여 환자에 대한 임상정보나 추가적 검사 없이 초기 뇌영상 자료만으로 뇌졸중의 원인을 예측하고자 시도하였다.

□ 연구 목표대비 연구결과
1) 뇌졸중 영상 데이터베이스 구축
단일기관 레지스트리에 5년간 등록된 3,589명의 뇌경색 환자의 DICOM 파일이 수집된 뇌영상 데이터베이스를 구축함.
2) 뇌졸중 원인 예측 프로그램 개발
- 뇌졸중의 원인에 따라 대혈관동맥경화(large artery atherosclerosis, LAA), 심장 색전증(cardioembolism, CE), 소혈관폐색(small vessel occlusion, SVO) 등으로 labeling 된 영상데이터를 3D convolutional neural network (CNN)으로 분석하기 위해 각 군별로 400례씩의 표본을 선택하여 지도학습을 수행하였다.
- 3D CNN 모델로 분류하였을 때 CE vs. LAA, CE vs. SVO, LAA vs. SVO, CE vs. LAA vs. SVO 군의 예측 정확도는 각각 0.6625, 0.7375, 0.5875, 0.5411666 이었다.
- 본 연구를 위해 새로 적용한 CNN-SVM 모델을 이용하여 분류했을 때는 각 군별로 0.7468, 0.7974, 0.6455, 0.5294의 예측 정확도를 보였다.
- Thresholding technique을 이용해 뇌경색 병변을 자동으로 segmentation하여 전처리 후 분류했을 때 예측 정확도는 CNN 모델의 경우 각각 0.5625, 0.8414, 0.6750, 0.5583이었고 CNN-SVM 모델의 경우 각각 0.5949, 0.8961, 0.6835, 0.6386으로 CE vs. LAA 비교를 제외하고는 thresholding 후 전체적인 예측 정확성이 향상되었다.
- Normalization 후 CNN 모델의 예측 정확도는 각각 0.6000, 0.7750, 0.6125, 0.4250이었으며 CNN-SVM 모델의 경우 각각 0.6835, 0.7468, 0.6582, 0.5126이었다.

□ 연구개발결과의 중요성
첫째, 환자에 대한 임상정보, 기저질환, 뇌혈관상태 등에 대한 정보 없이 뇌경색 환자의 초기 뇌영상에서 보인 병변 패턴만으로도 어느정도 뇌경색의 원인에 대한 예측이 가능함을 보여주었다. 둘째, 본 연구를 통해 축적된 뇌영상 분석기술(3D CNN보다는 CNN-SVM이 더 좋은 예측도를 보이며 전처리의 경우 spatial normalization은 성능향상에 크게 기여하지 못하며 병변을 segmentation하는 것이 더 좋은 예측 능력을 보임)은 향후 진단이 어려운 다른 뇌질환으로도 확대 적용이 가능할 것이다.

(출처 : 연구결과 요약문 2p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 3
• 2. 연구수행내용 및 연구결과 ... 4
• 1) 뇌졸중 영상 데이터베이스 구축 ... 4
• 2) 뇌졸중 원인 예측 프로그램 개발 ... 4
• 3. 연구개발결과의 중요성 ... 7
• 4. 참고문헌 ... 7
• 5. 연구성과 ... 8
• [붙임1] 대표적 연구실적 ... 10
• 끝페이지 ... 10