초록 ▼

연구개요
본 연구의 최종목표는 머신러닝을 활용하여 얼굴부위의 초음파 이미지 실시간 분석 및 세분화 프로그램을 완성하는 것임. 또한 현재 정립되지 않은 얼굴의 초음파 이미지 자동분석 방법의 확립과 이를 통해 신속, 정확하고 다양한 분야에서 적용이 가능한 의료영상 자동 분석 프로그램을 완성하여 세계 인공지능 시장에서 얼굴 초음파 이미지 분석 분야에 새로운 패러다임을 제시하고자 함.

연구 목표대비 연구결과
1차년도: 기존 MRI를 통해 연구 진행하고자 했지만 작은 얼굴구조가 구현이 잘 되지 않았음. 따라서 시신을

연구개요
본 연구의 최종목표는 머신러닝을 활용하여 얼굴부위의 초음파 이미지 실시간 분석 및 세분화 프로그램을 완성하는 것임. 또한 현재 정립되지 않은 얼굴의 초음파 이미지 자동분석 방법의 확립과 이를 통해 신속, 정확하고 다양한 분야에서 적용이 가능한 의료영상 자동 분석 프로그램을 완성하여 세계 인공지능 시장에서 얼굴 초음파 이미지 분석 분야에 새로운 패러다임을 제시하고자 함.

연구 목표대비 연구결과
1차년도: 기존 MRI를 통해 연구 진행하고자 했지만 작은 얼굴구조가 구현이 잘 되지 않았음. 따라서 시신을 이용하여 고해상도 3차원 스캐너로 얼굴 구조를 촬영하고 3차원 재구성하여 초음파 이미지와 비교 분석함. 얼굴구조의 정확한 형태에 관한 결과를 확립한 후, 1st stage detector인 YOLO-V3를 이용하여, 초음파 사진을 자동화하기 위한 사진 localization 지도교육을 시행함. 박스 형태의 검출 방법을 위한 얼굴 구조의 계층별 구분을 실시함. (피부, 피부밑조직, 근육, 뼈의 박스 형태 구분) 초음파 사진에 맞춘 향상기법을 이용, 다양한 이미지 변환을 통해 이미지 수를 증가시켜 정확도를 개선하였음. 위 연구를 수행하며 초음파와 3차원 스캐너를 이용하여 위얼굴 부위에서 관찰되는 눈썹주름근 (corugator supercilii muscle)의 형태를 초음파와 3D 스캐너로 분석하였음.
초음파 촬영 시 관찰되는 근육에 대한 정보를 해부학적으로 분석함으로써 근육의 위치에 기반한 세분화 과정에 도움을 줄 수 있었음. 또한 효과적인 얼굴 부위 비침습적 치료 방법을 제시할 수 있었음.
2차년도: 머신러닝 초음파 얼굴 부위별 분류에 적절한 모델을 찾고자 여러 이미지 분류 모델을 대상으로 성능 평가 및 교육을진행함. 사용한 모델은 총 15개 모델을 사용해 14개의 지점의 초음파 영상을 분별하고자 했음. inception모델과 alexnet, densenet의 상위권에 있었으나 최종 성능은 70%의 나머지 모델들과 큰 차이는 없었으며 교육이 적절하게 완료되지 못해 과소적합이 나타남. 얼굴 초음파 영상에 머신러닝 모델을 적용한 사례가 많지 않아 적절한 모델을 검색 및 적용하는 데 시행착오를 겪었음. 여러 모델을 적용하여 70% 이상의 성능을 나타내었음.
그 중 Densenet-201 모델이 위, 중간, 아래얼굴 분류하는데 가장 적절한 모델로 선정되었음. densenet 201 모델은 무작위 얼굴 초음파 이미지를 제시하였을 때 95.6%의 정확도로 위얼굴 부위를 분류하였고, 중간얼굴은 99.1%, 아래얼굴은 91.4%의 정확도로 얼굴 부위를 분류하는데 성공적인 결과를 나타냄. 위 결과를 활용하여 학술대회 우수연제발표상을 수상함.
3차년도:얼굴 지점별로 교육 시 부족한 성능을 보완하기 위해 비교적 특징을 공유하는 부위를 묶어 최초 8개 부위로 초음파 이미지를 재분류하였음. 분류된 초음파 이미지는 resnet모델을 기반으로 전이교육을 실시했으며 최대 93%의 분류성능을 나타냄.
추가로 데이터 분류를 다시 시행해 기존 8개 부위에서 9개 부위로 증가시키고 최대 97%의 정확도를 달성함. 그 외 이미지 분류 및 세분화에 있어 높은 성능으로 주목받고 있는 트랜스포머 방식을 사용했으나 기대 이하의 성능을 나타냈음.

연구개발성과의 활용 계획 및 기대효과 (연구개발결과의 중요성)
□ 본 연구에서 얻어진 결과는 다음과 같은 중요성을 갖음.
신속성 (FAST): 빠르게 초음파 이미지를 분석하여 임상의에게 외과적 및 침습적 시술 시 실시간으로 피드백을 제공할 수 있음.
정확성 (ACCURACY): 초음파 이미지에서 불확실한 구조물을 판독하는 데 도움을 주어 의사결정의 오류 및 오진을 줄일 수 있음.
편이성 (EASY): 초음파 기기의 진입장벽을 낮춰, 빠른 습득이 가능하게 할 수 있음.
범용성 (VERSATILITY): 얼굴 구조를 포함한 인체 다른 부위에도 확장 적용 가능하며, 다른 영상의료기기의 영상분석에도 응용될 수 있음.
□ 본 연구에서 개발된 알고리즘은 초음파를 기반으로 하는 해부학 교육에 도움을 줄 수 있음.
의학 및 치의학의 다양한 이미지 분석 분야에서 응용 가능한 초음파 기반 해부학적 기초자료를 제공함.
실제 임상 진입 전 학생 교육 과정에 초음파 교육을 실시함으로써 해부학적 구조의 이해를 도모함.
얼굴근육의 움직임을 추적하여 보여줌으로써 피교육자에게 근육의 기능적 이해를 돕는다.
□ 세계 인공지능 (AI) 시장에서 국가 기술 및 연구 경쟁력을 갖출 수 있음.
급속도로 성장하고 있는 AI시장에서 해부학 및 AI 영상의료기기의 이미지 분석 기술을 보유함으로써 시장 선점 및 국가 AI 성장 동력을 마련할 수 있음.
해부학 분야에서 최초로 인공지능 기술을 적용함으로써 새로운 연구 분야 개척 및 선점을 할 수 있는 발판을 제공할 수 있음.
기초학문과 인공지능의 융복합 연구로서 관련 인재를 양성 및 배출할 수 있음.

(출처 : 요약문 2p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• 2. 연구개발과제의 수행 과정 및 수행 내용 ... 4
• 3. 연구개발과제의 수행 결과 및 목표 달성 수준 ... 7
• 1) 정성적 연구개발성과(연구개발결과) ... 7
• 2) 세부 정량적 연구개발성과 ... 11
• 3) 목표 달성 수준 ... 11
• 4) 목표 미달 시 원인 분석 ... 12
• 4. 연구개발성과의 관련 분야에 대한 기여 정도(연구개발결과의 중요성) ... 12
• 5. 연구개발성과의 관리 및 활용 계획 ... 13
• 6. 참고문헌 ... 13
• [붙임1] 세부 정량적 연구개발성과 ... 14
• [붙임2] 연구책임자 대표적 연구실적 및 증빙(요약문 및 사본) ... 15
• 끝페이지 ... 21