인공지능을 활용한 대장 내시경 영상에서의 용종 검출 모델 연구 (A Study on a Polyp Detection Model in Colonoscopy Images Using Artificial Intelligence)

서지정보

· 발행기관 : 차세대컨버전스정보서비스학회
· 수록지 정보 : 차세대컨버전스정보서비스기술논문지 / 12권 / 1호 / 85 ~ 93페이지
· 저자명 : 이소현, 김영재, 박동균, 김재승, 김광기

초록

본 연구에서는 딥러닝 기술을 활용해 대장 내시경 정지 영상에서 용종의 위치를 검출하는 모델을 제안하고자 한다. 실제 대장 내시경 영상로만 이루어진 데이터로 학습을 진행하여 용종 검출 모델을 구축하였고, 용종이 존재하지 않는 정상 데이터 6,264장과 용종이 존재하는 비정상 데이터 4,445장을 학습 및 성능 검증을 위한 평가용 데이터 셋으로 구성했다. 용종의 위치 검출을 위해 객체 감지 모델 중 하나인 RetinaNet을 기반으로 한 용종 위치 검출 모델을 개발하였다. 9,639장의 학습 데이터를 사용하여 모델을 개발하였으며, 1,070장의 성능 평가용 데이터를 사용하여 모델의 성능을 확인하였다. K-fold 교차검증을 통해 모든 집합에 대해 검증을 하였고 그 결과 학습된 모델의 성능은 평균적으로 96.2%의 민감도(Sensitivity)와 0.227의 FPPI(Fasles Positives Per Image)를 나타냈다. 데이터 전처리 및 후처리 적용과 동영상 데이터 수집 및 추가 학습을 통한 학습 모델의 성능 고도화를 통해 다양한 방면으로 임상의에게 도움을 줄 수 있다.

영어초록

In this study, we propose a model for detecting the position of polyps in colonoscopy still images using deep learning technology. The polyp detection model was constructed by performing learning only with data consisting of actual colonoscopy images, and 6,264 normal data without polyps and 4,445 abnormal data with polyps were composed of evaluation data sets for learning and performance verification. For polyp position detection, we developed a polyp of position detection model based on RetinaNet, one of the object detection models. The model was developed using 9,639 learning data, and the performance of the model was confirmed using 1,070 performance evaluation data. K-fold cross-validation was used to validate all sets, and the results showed that the learned model's performance averaged 96.2% sensitivity and 0.227 Fasles Positives Per Image (FFPI). It can help clinicians in various ways by applying data preprocessing and postprocessing, and upgrading the performance of the learning model through video data collection and additional learning.

참고자료

· 없음