초록 ▼

3. 개발결과 요약
□ 최종목표
오스테오시스 : 딥러닝을 이용한 영산분할과 산란보정 기능을 갖는 골밀도 측정 장치 개발
가천대학교 : DXA 영상엣 high-energy와 low-energy 영상 간 자동 정합 및 딥러닝 기반의 뼈 추출 알고리즘 개발
건국대학교 : 이중에너지 흡수방식을 이용한 골밀도 측정 시 지도 학습 기법의 산란보정 알고리즘 개발

□ 개발내용 및 결과
1.기술 내용
오스테오시스 : 학습 데이터 수집용 손목 펜텀의 제작과 딥러닝 네트워크가 탑재된 EXA-Presto 소프

3. 개발결과 요약
□ 최종목표
오스테오시스 : 딥러닝을 이용한 영산분할과 산란보정 기능을 갖는 골밀도 측정 장치 개발
가천대학교 : DXA 영상엣 high-energy와 low-energy 영상 간 자동 정합 및 딥러닝 기반의 뼈 추출 알고리즘 개발
건국대학교 : 이중에너지 흡수방식을 이용한 골밀도 측정 시 지도 학습 기법의 산란보정 알고리즘 개발

□ 개발내용 및 결과
1.기술 내용
오스테오시스 : 학습 데이터 수집용 손목 펜텀의 제작과 딥러닝 네트워크가 탑재된 EXA-Presto 소프트웨어 개발
가천대학교 : High-energy 영상과 low-energy 영상 간 정합
알고리즘 개발과 딥러닝을 이용한 골영역 분할(Segmentation) 네트워크 학습
건국대학교 : 엑스선 산란 모델 팬텀 제작과 산란선 보정 딥러닝 네트워크 합습
2. 결과
오스테오시스 : 가천대학교 정합(Registration)과 이미지 분할(Segmentation) 모듈을 EXA-Presto 소프트웨어에 병합을 완료 그리고 건국대 산란보정 모듈 역시 병합을 완료하여 과제 정략적 목표에 부합하는 골밀도 측정 정확도 및 정밀도를 확인 함
가천대학교 : High-energy 영상과 low-energy 영상 간 정합 알고리즘 의 정확도 및 유사도가 정량적 목표에 부합 됨을 확인함
건국대학교 : 엑스선 산란보정에 대한 정량적 목표인 산란제거율 목표 범위에 부합 됨을 확인 함.

□ 기술개발 배경
1. EXA-PRESTO의 문제점
가. 골밀도 측정 장비의 성능은 크게 정확성, 재현성, 장비간 균일성으로 평가 한다.
나. EXA-PRESTO처럼 연속된 두 번의 촬영을 하는 경우에는 피험자의 움직임에 의한 영향이 나타날 수 있으며 콘 빔을 사용하는 경우에는 엑스선 산란에 의한 영향이 큰 특징이 있음.
2. 엑스선 영상의 특징과 영상 정합(Registration)의 중요성
가. 엑스선 영상은 투과 영상(Projection Image)이며 특정 경로를 따라 두께와 성분이 다른 물질들을 투과한 엑스선 입자들이 각 픽셀의 값을 결정함
나. 엑스선이 투과한 두께가 영역마다 다르기 때문에 동일 물질도 다른 픽셀 값으로 표시될 수 있으며 반대로 다른 물질도 같은 픽셀 값으로 표시될 수 있음
다. 단순한 문턱 값(Threshold) 조정을 통하여 물질의 경계를 특정할 수 없음
라. 인체에 대한 엑스선 영상의 경우, 영역에 따라 뼈와 연조직의 경계가 분명한 영역과 그렇지 않은 영역이 공존하기 때문에 단순한 경계 검출(Edge detection)과 괕은 영상처리 기법으로 경계를 특정하는 것이 어려움
마. DXA는 엑스선 영상의 한계를 극복하여 특정 물질의 양을 영상의 픽셀값으로 나타나게 할 수 있으나 반드시 두 가지 에너지를 갖는 엑스선 영상들이 정확하게 정합되어 있어야 하며 영상 정합은 필수 요소이지만 엑스선 영상의 특징에 의해 영상의 경계를 특정하는 것이 어렵기 때문에 영상 처리기법으로는 해결이 되지 않으며 딥러닝 기법을 도입하게 되었음
3. 엑스선 영상과 산란선 제거
가. 엑스선이 물제를 투과할 때는 투과(Transmission), 흡수(Absorption), 산란(Scattering)과 같은 여러 가지 현상이 복합적으로 일어나게 되는데 보통은 투과와 흡수만을 고려함
나. 엑스선 영상에서 물체의 경계 부근에서는 엑스선 산란의 영향을 무시할 수 없으며 그 영향의 정도가 사람마다 장비 마다 달라질 수 있음
다. 영상처리 기법 중 외곽선 강화(sharpening)와 같은 기법은 경계선을 뚜렷하게 보이게 할 수는 있지만 엑스선 산란에 의한 왜곡을 더욱 증가시키기 때문에 사용될 수 없음
라. 엑스선 산란을 모델링하기 위한 복잡한 수학적 모델들과 시레이션 툴들이 존재하지만 완전하지 못하고 사용이 어렵기 때문에 독립형 장치들에 적용하기 어려움

□ 핵심개발 기술의 의의
신규개발 여부, 이전 모델의 업그레이드 여부, 개발난이도, 국산화 정도, 해외기술 도입을 통한 개발여부, 기술수출 가능성
1. 개발 대상 제품의 중요성
가. EXA-PRESTO는 2016년 10월 중국에서 신제품 발표회를 갖고 활발한 영업활동을 진행 중임
나. 작고 가볍게 설계되어 책상 이에 배치하여 활용이 가능하며 방사선 노출량이 적어 별도의 차폐시설 없이 사용할 수 있음
다. 전신형 골밀도 측정장치와는 달리 대형 병원이 아닌 일반 로컬 병원에서의 수요가 높은 제품으로 향후 시장에서의 매출 확대 가능성이 높은 제품임
라. 정확성, 재현성, 장비간 균일성 등에 대한 확신을 주지 못하고 있는 상황이며 이와 관련된 주요 불만 사향은 DXA 영상에서의 뼈 영역 경계를 정화하게 찾지 못하는 경우가 자주 발생한다는 점이 있음
마. 본 연구 개발을 통해 정확한 뼈 영역 경계를 딥러닝 기법을 통해 찾을 수 있다면 성능의 향상과 첨단 기술 제품으로 서의 마케팅 포인트를 확보할 수 있으며, 중국을 비롯한 세계 시장에서 폭발적인 매출의 향상을 기대할 수 있음
2. 개발 대상 기술의 기술적 측면의 파급 효과
가. 의료분야에서 인공지능(AI)은 크게 진단보조와 의료영상 분석에 적용되고 있으며 IBM의 Watson과 딥러닝이 각 분야에서의 대세임
나. DXA 영상에 인공지능 기법의 하나인 딥러닝 기술을 도입하는 것은 국내뿐만 아니라 국제적으로도 시도된 예가 없는 방식임, 특히 골 영역 분할(Segmentation)처럼 투사 영상에 대한 딥러닝 기법을 이용한 영역분할은 신규성을 가지며 특허 신청 가능함
다. 개발 완료 시 고품질 DXA 영상 구현이 예상되며 산란 보정 기법이 적용된 최초의 DXA 제품이 될 것임. 엑스선 산란은 비선형성이 강하고 투과물질 성질에 크게 좌우되기 때문에 경험적 접근이 요구되는 분야로서 딥러닝을 통한 보정 기법은 특허 신청 가능함

□ 적용 분야
콘 빔 방식의 DXA 기술은 골밀도 측정 장치를 넘어 연구용 초고해상도 DXA나 전산화단층촬영(CT : Computed Tomography)에서도 도입되고 있기 때문에 본 연구개발을 통해 개발된 딥러닝 기법을 이용한 엑스선 영상 분활과 산란성 보정 기술은 향 후 기술 이전 가능성이 있다.
1. 적용 분야 (의료기기)
가. 초 고해상도 DXA
나. 전산화 단층촬영

(출처 : 기술개발사업 최종보고서 초록 5p)

목차 Contents

• 표지 ... 1
• 제 출 문 ... 2
• 최종보고서 초록 ... 3
• 기술개발사업 주요 연구성과 ... 18
• 목차 ... 21
• 제 1 장 서론 ... 22
• 제 1 절 과제의 개요 ... 22
• 제 2 장 과제 수행의 내용 및 결과 ... 27
• 제 1 절 최종 목표 및 평가방법 ... 27
• 제 2 절 연차별 개발목표 및 개발 내용 ... 32
• 제 3 절 수행 결과의 보안등급 ... 40
• 제 4 절 유형적 발생품(연구시설, 연구 장비 등 구입 및 관리 현황) ... 41
• 제 3 장 결과 및 사업화 계획 ... 44
• 제 1 절 연구개발 최종 결과 ... 44
• 1. 연구개발 추진 일정 ... 44
• 2. 연구개발 추진 실적 ... 47
• 3. 기술 개발 결과의 유형 및 무형 성과 ... 76
• 제 2 절 연구개발 추진 체계 ... 82
• 1. 각 기관 역할 및 추진 내역 ... 82
• 제 3 절 시장현황 및 사업화 전망 ... 84
• 1. 시장 현황 ... 84
• 2. 사업화 전망 ... 86
• 제 4 절 고용 창출 효과 ... 88
• 제 5 절 자체보안관리진단표 ... 89
• 끝페이지 ... 90