3D U-Net을 통한 MRI 뇌 영상에서 다발성 경화증 병변 검출 (Multiple Sclerosis Lesion Detection in MRI Brain Image using 3D U-Net)

서지정보

· 발행기관 : 한국정보기술학회
· 수록지 정보 : 한국정보기술학회논문지 / 19권 / 9호 / 95 ~ 105페이지
· 저자명 : 김창민, 김지영, 김현수, 엄소정, 이해연

초록

임상에서 다발성 경화증 병변은 전문가가 MRI 영상에서 수작업으로 분석한다. 국외에서는 이에 대한 자동 검출 기술이 많이 연구되고 있지만, 국내에서는 거의 부재하다. 본 논문에서는 MRI 뇌 영상에 대해 U-Net을 이용하여 다발성 경화증 병변을 검출하는 방법을 제안한다. 2D U-Net과 3D U-Net으로 검출 모델을 수립하였고, 제한된 데이터에서 충분한 학습을 위해 데이터 증강 기법을 적용하였다. 또한, 동일한 뇌를 다른 기법으로 촬영한 영상들을 활용하여 각 모델들의 성능을 비교함으로써 어떤 기법이 가장 적합한지 분석하였다. 실험 결과에 따르면 FLAIR 영상에 대하여 제안하는 증강 기법과 3D U-Net 모델을 이용하였을 때 Dice Coefficient 기준으로 64.50%의 정확도를 보였다. 특히, 2D U-Net 모델을 이용한 것보다 6.19% 높은 정확도를 달성하였다.

영어초록

In clinical practice, multiple sclerosis(MS) lesions are manually analyzed by clinicians using MRI images. Although many studies on automatic MS lesion detection have been conducted in foreign countries, but few in Korea. This paper proposes a method to detect MS lesion using U-Net for MRI brain images. MS lesion detection models based on 2D U-Net and 3D U-Net were designed and data augmentation was applied for learning sufficiently from limited data. Also, to find the most suitable modality for detecting MS lesion, the performance of each model was compared using MRI images with different modality for the same brain. According to the experimental results, the 64.50% Dice Coefficient accuracy was achieved when the proposed 3D U-Net model with data augmentation for FLAIR images were used. In particular, it was 6.19% higher accuracy than using the 2D U-Net model.

참고자료

· 없음