초록 ▼

연구의 목적 및 내용
< 최종목표 >
- 의료영상의 딥러닝을 위한 프레임워크를 개발, 패키지화하고 공개
- 의료영상의 딥러닝을 위한 프레임워크를 이용한 유방암, 간전이암, 갑상선암 등의 의료영상을 이용한 진단과 예측 모델을 개발
- 최신 deep learning 알고리즘의 구현/개발과 동물 영상 장비를 이용한 표준 빅데이터 구축을 진행하여 인공지능 연구의 기반을 마련 하고자 한다. 이를 바탕으로, 동물 영상 연구에 인공지능 영상법을 도입하고 인공지능 영상법을 임상 영상에 적용 가능하도록 함을 최종 연구 목표로

연구의 목적 및 내용
< 최종목표 >
- 의료영상의 딥러닝을 위한 프레임워크를 개발, 패키지화하고 공개
- 의료영상의 딥러닝을 위한 프레임워크를 이용한 유방암, 간전이암, 갑상선암 등의 의료영상을 이용한 진단과 예측 모델을 개발
- 최신 deep learning 알고리즘의 구현/개발과 동물 영상 장비를 이용한 표준 빅데이터 구축을 진행하여 인공지능 연구의 기반을 마련 하고자 한다. 이를 바탕으로, 동물 영상 연구에 인공지능 영상법을 도입하고 인공지능 영상법을 임상 영상에 적용 가능하도록 함을 최종 연구 목표로 한다.

< 당해연도목표 >
- 의료영상의 딥러닝을 위한 프레임워크를 다양한 임상 적용이 가능하도록 패키지화
- 의료영상 인공지능 연구의 코어 역할 수행
- 의료영상의 딥러닝을 위한 프레임워크를 이용한 유방암, 간전이암, 갑상선암 등의 의료영상을 이용한 진단과 예측 모델을 개발하고 종래의 머신러닝 기반학습 시스템과 비교한다.
- 1차년도 연구 결과를 바탕으로 소동물 자기공명 뇌영상 연구에 인공지능 영상법을 도입
- 인공지능을 이용한 영상법의 자기공명 thermometry 구현에 적용
- 소동물 자기공명영상 장비를 이용하여 뇌질환 마우스 모델의 뇌영상 표준 빅데이터 구축
- Convolutional neural network을 기반으로 한 super resolution 알고리즘의 조사, 구현 및 개발

연구개발성과
<정량적 성과>
1) 총연구기간 내 목표연구성과로 기 제출한 값
<정성적 성과>
- 개발된 의료영상의 딥러닝을 위한 프레임워크를 이용하여 2세부 과제 및 다른 과제와 연계하여 직장암, 유방암, 간전이암, 갑상선암, 폐암 등의 의료영상을 이용한 인공지능 연구에 이용.
- 의료영상 인공지능 연구의 코어 역할 수행
- 구축된 빅 데이터와 개발된 인공지능 예측 모델을 활용하여 치료 반응 예측 및 질병 예측, 진단 예측, 예후 예측 등 종합적인 예측 모델로서 임상에 제공.
- 선생항암화학용법을 받은 환자의 완전관해/비관해 증례로 나누고, 임상정보에 texture information을 더하여 예측모델 구축중.
- 우리 기관 유방 MRI의 적응증과 증가된 정도를 알 수 있었고, 이를 논문화하고 있는 중임.
- texture analysis를 위해 연구자가 직접 region of interest (ROI)를 표시하던 과정을 deep convolutional neural network을 이용할 수 있는 기반을 마련함.
- 동물 영상 장비를 이용하여 표준 빅데이터 구축
· 뇌질환 동물 모델의 고해상도 마우스 자기공명 뇌 영상의 촬영
· T1-강조영상, T2-강조영상을 axial, coronal 방향으로 촬영
- super resolution 알고리즘의 구현 및 개발
- 동물 영상 연구에 인공지능 도입
- 인공지능을 이용한 영상법의 자기공명 온도 측정 기술에 적용 중

연구개발성과의 활용계획(기대효과)
○ 활용계획
- 개발된 프레임워크로 다양한 의료영상 딥러닝 과제에 적용
- 유방 MRI 적응증을 좀더 넓은 범위로 확대
- 인공지능 기술을 도입함으로써 동물영상을 위한 고속촬영법 구현
- 동물 연구를 위한 다양한 형태의 영상 분석 기법 도입 가능
- sodium MR 영상, fluorine MR 영상 등의 품질 향상

○ 기대효과
- 의료영상 딥러닝 연구의 진입장벽을 낮춤으로 다양한 임상연구가 활성화
- 민간투자가 어려운 분야에서 인공지능 기술의 임상 연구 활용 촉진
- 인공 지능 연구의 다기관 참여로 연구의 질 향상
- 임상 영상법에도 적용 가능
- 미래 가치 창조적 영상 기술의 선도적 도입

(출처 : 요약문 2p)

Abstract ▼

Purpose&Contents
- Developement and distribute of deep learning framework for medical imaging
1) Update and improve image processing software
2) Apply latest deep learning technologies to this project
3) Packaging software framework
4) Play a role of deep learning research core in NCC

Purpose&Contents
- Developement and distribute of deep learning framework for medical imaging
1) Update and improve image processing software
2) Apply latest deep learning technologies to this project
3) Packaging software framework
4) Play a role of deep learning research core in NCC
- Development of diagnostic and predicting model of medical imaging of breast cancer using deep learning framework of medical imaging
- We will lay the foundation for artificial intelligence research by implementing / developing the latest deep learning algorithm and constructing standard big data using animal imaging equipment.
- We aim to introduce artificial intelligence imaging method to animal imaging research and to apply artificial intelligence imaging method to clinical imaging.

Results
- We developed software framework for deep learning using medical image.
- Support many other projects of clinical research using medical image from patients of colon cancer, breast cancer, liver metastasis, thyroid cancer, lung cancer.
- Play a core role of deep learning research.
- Support clinical researches for treatment response prediction, diagnosis, prognosis prediction.
- Patients with neoadjuvant chemotherapy are divided into complete remission and non-remission group.
- Indication of breast MR is expanded in this institution and paper submission about this topic is in progress.
- Establish standard big data using animal imaging equipment High-resolution Mouse Magnetic Resonance Brain Imaging of Animal Models of Brain Disease/T1-weighted and T2-weighted images in axial and coronal directions
- Implementation and development of super resolution algorithm
- Introduction of artificial intelligence to animal imaging research
- Applied to magnetic resonance temperature measurement technology of imaging method using artificial intelligence.

Expected Contribution
○ Application plan
- Applying frameworks to various medical deep learning tasks

○ Expected effect
- Enable various medical applications by lowering entry barriers.
- Accelerate clinical research area where financial investment is not spent.
- Improving quality of clinical research
- Drawing ROI could be automated using deep convolutional neural network, instead of manual method by researchers.
- Indication of breast MRI can be expanded.
- Implementation of high speed photography for animal images by introducing artificial intelligence technology
- to introduce various types of image analysis techniques for animal research
- Improved quality of sodium MR image and fluorine MR image
- Applicable to clinical imaging
- Leading introduction of future value creative video technology

(출처 : SUMMARY 4p)

목차 Contents

• 표지 ... 1
• 국문 요약문 ... 2
• SUMMARY ... 4
• 목차 ... 6
• 1. 연구개발과제의 개요 ... 7
• 2. 연구수행 내용 및 결과 ... 7
• 1) 1차년도에 개발된 소프트웨어의 업데이트 및 성능향상 ... 7
• 2) 최신 딥러닝 기법의 의학영상의 적용을 위한 코드 작성 ... 7
• 3) 소프트웨어 프레임워크의 패키지화 ... 8
• 4) 유방환자의 예후예측 모델의 개발 ... 8
• 5) 동물MR 영상의 빅데이터의 구축 ... 9
• 6) 인공지능 알고리즘의 조사, 구현 및 개발 ... 9
• 7) Super resolution 알고리즘 간의 비교 및 알고리즘 최적화 ... 9
• 8) 구현한 SRGAN 알고리즘의 최적화 작업 수행 ... 9
• 9) Thermomtry를 위하여 SRGAN을 이용한 Phase map 재구성 ... 9
• 3. 연구결과의 중요성 및 활용 방안 ... 9
• 1) 의료영상의 딥러닝을 위한 프레임워크를 개발 ... 9
• 2) 유방환자의 예후예측 모델의 개발 ... 10
• 3) 동물 영상 연구를 위한 정밀 인공지능 기반 마련 및 기술 개발 ... 10
• 4. 연구수행 달성도 ... 11
• 5. 연구개발과제의 대표적 연구실적 ... 11
• 6. 참여연구원 현황 ... 11
• 7. 기타사항 ... 13
• 8. 참고문헌 ... 13
• 끝페이지 ... 14