초록 ▼

□ 연구개요
• 심혈관질환의 진단에 활용되는 심장CT, 혈관조영술 영상 등 심혈관 영상을 분석하고 정형데이터로 구조화하여 다양한 학문분야의 지식을 바탕으로 딥러닝 알고리즘을 적용하여 진단정확도와 임상적용성이 높은 심혈관 진단지표를 개발함

□ 연구 목표대비 연구결과
• CT 영상 기반 관상동맥 자동 분석 소프트웨어를 개발하여 직경 및 길이를 기준으로 주요한 분지를 자동 인식하고, 분지를 제거한 형태의 주혈관을 재구성하여 혈관의 직경 변화를 정확하게 분석할 수 있게 함
• CT 영상 기반 진단지표를 기계학습

□ 연구개요
• 심혈관질환의 진단에 활용되는 심장CT, 혈관조영술 영상 등 심혈관 영상을 분석하고 정형데이터로 구조화하여 다양한 학문분야의 지식을 바탕으로 딥러닝 알고리즘을 적용하여 진단정확도와 임상적용성이 높은 심혈관 진단지표를 개발함

□ 연구 목표대비 연구결과
• CT 영상 기반 관상동맥 자동 분석 소프트웨어를 개발하여 직경 및 길이를 기준으로 주요한 분지를 자동 인식하고, 분지를 제거한 형태의 주혈관을 재구성하여 혈관의 직경 변화를 정확하게 분석할 수 있게 함
• CT 영상 기반 진단지표를 기계학습을 적용하여 진단 정확도 88%를 획득하였으며 정교한 IVUS의 단면적을 고려한 것과 유사한 수준으로 판단됨
• 혈관조영술 분석을 위해 3000명 이상의 대규모 영상 데이터베이스를 구축하고 인공지능 기반의 혈관분할 알고리즘을 개발하였으며, 기존 기술 수준에 비해 현저히 향상된 수준의 결과를 얻음 (F1 score 기준 0.923)
• 비대칭성이 강한 데이터 특성을 고려하여 성능을 향상시킬 수 있는 loss function을 고안함
• 형상지표만으로 협착부 전후의 압력강하에 적용가능한 모델을 개발하여 3차원 모델이 가능한 혈관에 적용가능한 진단법을 개발함
• 혈관내초음파 분석에 있어 12,262개의 프레임을 추출하고 내강과 혈관을 분할하는 딥러닝 알고리즘을 개발하고 기존의 영상처리 방법에 비해 월등한 성능을 보임 (F1 score 기준 혈관 0.966 내강 0.938)
• 딥러닝 네트워크 간의 성능 분석을 통해 분할영역의 경계 예측 성능을 loss fun ction으로 추가할 경우 추가적인 성능향상이 가능한 것을 확인함

□ 연구개발결과의 중요성
• CT 영상 기반 관상동맥 자동 분석 소프트웨어는 분석에 요구되는 형상지표를 다양한 분석방법을 통해 적절한 포맷으로 제공하고 임상연구에 널리 활용하였음
• CT 영상을 기반으로 분석에 요구되는 형상지표를 최소한으로 줄이고 혈류역학적 정보를 예측할 수 있는 방법을 개발함으로써 분석 시간을 최소화하였으며, 기존의 분석 기법보다 향상된 진단 성능을 보임
• 딥러닝 기반의 혈관조영술 영상 분석기술 개발은 심혈관 연구를 용이하게 할 뿐만 아니라 진단법의 적용 및 시술장에서의 분석을 실시간으로 할 수 있는 중요한 계기가 될 것임
• 혈관조영술 기반의 진단지표는 가장 기본적인 영상진단법을 활용하여 병원의 규모 등과 관계없이 보편적으로 적용할 수 있다는 장점이 있으며, 딥러닝 영상분석 기술과 결합하여 시너지를 낼 것으로 예측됨
• 딥러닝 알고리즘을 활용한 혈관내 초음파 분석 기술은 2-3시간 이상 걸리던 분석을 몇 분 이내로 단축시키는 혁신적인 변화임

(출처 : 연구결과 요약문 2p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• 2. 연구수행내용 및 연구결과 ... 7
• (1) CT 영상 기반 관상동맥 자동 분석 소프트웨어 개발 및 분석 적용 ... 7
• (2) CT 영상 기반 진단지표 개발 ... 7
• (3) 혈관조영술 영상 분석기술 개발 ... 10
• (4) 혈관조영술 기반의 진단지표 개발 ... 13
• (5) 혈관내초음파 영상 분할 기술 ... 14
• 3. 연구개발결과의 중요성 ... 16
• 4. 참고문헌 ... 17
• 5. 연구성과 ... 18
• 끝페이지 ... 18