학회지검색
대한유방검진의학회 학회지
Original Article
칠곡경북대학교병원 영상의학과 Differential Diagnosis of Breast Masses at US: Initial Experience with Deep Learning Won Hwa Kim, MD, Hye Jung Kim, MD
Department of Radiology, School of Medicine, Kyungpook National University, Kyungpook National University Chilgok Hospital, Daegu, Korea
목적: 초음파 유방 결절의 감별진단에서 convolutional neural network (CNN)방식의 적용은 아직 연구가 부족한 상황이다. 본 기관에서 1000개의 유방 결절을 이용한 후향 분석의 초기 결과를 공유하고, 이를 이용하여 대한유방영상의학회와 대한유방검진의학회의 지원을 받고 있는 전향적 연구로 여러 기관에서 얻은 초음파 결절 영상을 이용하여 딥러닝을 적용해보고자 한다.
대상 및 방법: 2011년부터 2018년까지 조직검사 및 수술로 확진된 500개의 악성 결절과 2년 이상의 추적검사에서 변화를 보이지 않은 500개의 양성 결절, 모두 1000개의 초음파 결절을 대상으로 하였다. 전처리한 영상은 머신러닝에서 발생할 수 있는 과대적합 (overfitting)을 방지하지 위하여 1000개의 결절 중 800개를 무작위로 선택하여 학습 모델을 만들고 (training and validation), 이 모델을 나머지 200개 결절을 대상으로 하여 5-fold cross validation test하였다. 학습모델의 진단성적은 area under the curve (AUC), 정확도, 민감도, 특이도로 계산하였다. 본 연구에서 학습된 CNN 모델은 최근 각광을 받고 있는 Global Averaging Pooling (GAP)기법을 사용하여 분류 학습을 하면서 위치 선정을 할 수 있는 정보를 동시에 제공하였다.
결과: 5-fold cross-validation test를 한 결과 set 1, 2, 3, 4, 5에 대한 AUC는 0.926-0.976, 민감도는 81%에서 94%, 특이도는 85%에서 92%, 정확도는 86%에서 93%이며, 모두 80%로 이상의 좋은 성적을 보였다. 또한 GAP기법을 이용한 attention heatmap을 적용하고 확인하였을 때 모델에서 제시하는 시그널 (적색)이 대부분의 악성 및 양성 병변과 잘 부합하는 것을 확인하였다.
결론: 본 연구의 초기결과에서는 분할기법이 없이도 CNN 진단 정확도가 좋은 것을 확인하였으며 이러한 연구결과를 다기관 연구로 얻은 외부 데이터를 통해 다시 학습하고 검증하고자 한다.
Key Words: Breast; Ultrasound; Diagnosis; Convolutional neural network