MR 영상을 이용한 합성곱 신경망 기반의 상완골두 및 관절와 자동 분할 (Automated Segmentation of Humeral head and Glenoid based on Convolution Neural Network using Magnetic Resonance Images)

서지정보

· 발행기관 : 차세대컨버전스정보서비스학회
· 수록지 정보 : 차세대컨버전스정보서비스기술논문지 / 9권 / 1호 / 95 ~ 102페이지
· 저자명 : 박예랑, 김영재, 김광기, 이신우

초록

어깨 관련 질환에는 회전근개 손상, 관절와순손상, 어깨충돌증후군 및 습관성어깨탈구 등이 있다. 건강보험진료 통계에 따르면, 이러한 어깨병변으로 진료를 받은 환자수는 매년 증가하는 추세이다. 어깨 관련 질환을 진단하는 대표적인 방법으로 MRI(Magnetic Resonance Imaging,자기공명영상)가 있다. 본 논문에서는 합성곱 신경망 알고리즘인 U-net을 이용해 MR 영상에서 상완골두와 관절와 부위를 자동 분할함으로써 전문의가 관련 질환을 더욱 빠르게 진단하는 데 도움을 주는 연구를 진행하고자 한다. 81명 환자의 MR 영상 총 2251장을 수집하여 이를 훈련셋과 테스트셋으로 사용하였다. 427장 데이터로 검증한 U-net으로 훈련된 어깨뼈 분할 모델의 평가 결과로 민감도 89.32%, 특이도 99.78%, 정확도 99.44% 다이스 계수 92.02%를 보였다. 추후 영상처리 기법을 통해 어깨뼈의 경계영역의 모호성을 해결하고 추가 데이터 수집을 통해 관절와 영역을 충분히 훈련시킨다면 보다 높은 정확도를 얻어 전문의의 진단에 큰 도움을 줄 수 있을 것이라 기대한다.

영어초록

Shoulder-related disorders include joint and labial injuries, shoulder impingement syndrome, habitual shoulder dislocation and slab lesions. According to health insurance statistics, the number of patients treated with these shoulder lesions is increasing every year. MRI (Magnetic Resonance Imaging) is a representative method of diagnosing such shoulder-related diseases. In this paper, we will use U-net, a convolution neural network algorithm, to automatically segment humeral heads, joints in MR images to help doctors diagnose related diseases more quickly. A total of 2251 MR images of 81 patients were collected and used as training set and test set. As a result of evaluation of U-net trained scapular segmentation model validated by chapter 427 data, sensitivity of 89.32%, specificity of 99.78%, accuracy of 99.44%, and die coefficient of 92.02%. In the future, image processing techniques will solve the ambiguity of the scapular border and collect additional data to fully train the joints and regions, which will provide a higher level of accuracy and help the diagnosis for doctors.

참고자료

· 없음