Deep Learning Technique of Magnetic Resonance Imaging for Neurosurgical Brain Tumor Diagnosis and Treatment

서지정보

ㆍ발행기관 : 대한자기공명기술학회 ㆍ수록지정보 : 대한자기공명기술학회지 / 32권 / 2호
ㆍ저자명 : Jun-Ho Hwang, Hyun-Soo Kim, Kyung-Bae Lee

목차

ABSTRACT
Ⅰ. 서 론
Ⅱ. 자기공명영상의 개요 및 임상 적용
1. 자기공명영상
2. 자기공명영상의 뇌종양 진단 예시
3. 뇌 자기공명영상의 임상 적용 시 고려 사항
Ⅲ. 의료 분야의 인공지능 동향
1. 의료 기기의 인공지능 도입
2. 의료 영상의 심층 학습
Ⅳ. 자기공명영상에 사용되는 심층 학습 기법
1. 영상 분류
2. 영상 품질 개선
3. 영상 분할
Ⅴ. 고찰 및 결론
1. 의료 분야에 심층 학습의 유용성
2. 심층 학습 도입의 기대 효과와 주요 쟁점
3. 결 론
References
요 약

한국어 초록

컴퓨터 성능의 발전으로 빅데이터의 효율적인 사용이 가능해지면서, 심층 학습(deep learning)은 다양한 의료 분야에 활용할 수 있는 핵심적인 인공지능(artificial intelligence, AI) 기법으로 각광받고 있다. 이에 본 종설은 뇌종양 진단과 치료에 사용되는 자기공명영상(magnetic resonance imaging, MRI)의 심층 학습 기법을 소개하고자 하였다. 먼저 국내 AI의 의료 분야 도입의 동향을 분석하고, 이를 바탕으로 MRI를 활용한 뇌종양의 진단과 치료에 적용할 수 있는 심층 학습 기법과 그 결과들을 기술하였다. 뇌종양 진단과 치료 시, 심층 학습을 이용한 최근 사례는 영상 분류, 영상 품질 개선, 영상 분할로 나타났으며, 질병의 진단과 치료에 적용할 수 있는 객관적이고 높은 성능 수치를 나타내면서 그 유용성을 확인 할 수 있었다. 종합하자면, 심층 학습은 질병의 진단과 치료에 적용할 수 있는 유용한 지표이며, AI 역량을 지닌 의료진의 지도하에 점진적인 도입이 이뤄진다면 질병의 진단과 치료에 큰 도움을 주는 훌륭한 소프트웨어로 활용될 것으로 여겨진다. 본 종설이 심층 학습을 이해할 때 많은 도움이 되길 바라며, 향후 관련 연구를 수행할 때 가이드라인으로 활용될 것을 기대 한다.

영어 초록

As the efficient use of big data becomes possible with the advancement of computer performance, deep learning has been highlighted as a core artificial intelligence (AI) technique that can be employed in a multitude of medical fields. This review article investigates the deep learning technique used in brain magnetic resonance imaging (MRI). First, a clinical application of MRI and the trend of AI in the medical field were identified; based on this, research results on deep learning techniques frequently utilized in MRI were described. Recent examples of the application of deep learning in brain tumor diagnosis and treatment are image classification, image quality improvement, and image segmentation. Its usefulness can be confirmed by the generation of objective, high performance figures applicable to disease diagnosis and treatment. Overall, deep learning is a useful indicator that can be applied to the diagnosis and treatment of diseases, and is gradually being introduced under the guidance of medical staff with AI capabilities. It is viewed as an excellent software that offers substantial help in the diagnosis and treatment of diseases. This review article enhances our understanding of deep learning in the medical field, and is hoped to be used as a guideline when conducting related research in the future.

참고 자료

없음