학회지검색
대한유방검진의학회 학회지
Original Article
1 경북대학교 IT대학 컴퓨터학부, 2㈜ 빔웍스, 3경북대학교 의과대학 칠곡경북대병원 영상의학과, 4 연세대학교 의과대학 세브란스병원 영상의학과 Real-Time Breast Ultrasound Artificial Intelligence Diagnosis using Dynamic Image Test Blocks Seohyun Jo1,2, Jaeil Kim1,2, Chanho Kim 1,2, Ho Kyung Shin1,2, Hye Jung Kim3, Jung Hyun Yoon4, Hae Jung Jung2,3, Won Hwa Kim2,3
1 School of Computer Science and Engineering, Kyungpook National University, Daegu, Korea, 2BeamWorks Inc., 3 Departments of Radiology, Kyungpook National University Chilgok Hospital, School of Medicine, Kyungpook National University, Daegu, Korea, 4Department of Radiology, Severance Hospital, Research Institute of Radiological Science, Yonsei University, College of Medicine, Seoul, Korea
목적: 실시간으로 유방 초음파 영상을 분석하여 암 의심 병변을 검출하고 감별진단하는 인공지능 진단 모델을 제안하고, 키프레임 중심의 동영상 블록 테스트 데이터를 이용하여 제안 모델의 진단 성능과 실시간 성능에 대한 검증연구를 수행하고자 하였다.
대상 및 방법: 실시간 진단 보조를 위한 인공지능 딥러닝 모델은 기술사업화를 목적으로 50만장 이상의 유방초음파 데이터를 학습하여 개발되었다. 제안 기법의 실시간 초음파 진단에 대한 성능을 검증하기 위해 조직검사로 확진된 유방암 환자들로부터 6편의 초음파 동영상을 수집하였다. 모델 평가를 위해 수집된 모든 영상으로부터 랜드마크기반의 키프레임 추출 알고리즘을 사용하여 초당 10프레임으로 프레임을 추출하였으며, 총 25개의 키 프레임 블럭을 생성하였다. 생성된 키 프레임 블럭의 레이블링은 숙련된 유방 영상 전문의가 병리 영상 판독지 참조하여 블럭 단위로 수행하였다. 진단 성능지표는 정확도, AUC, 민감도, 특이도로 산출하였고, 실시간 성능에 대한 평가는 병렬 연산 가속화를 위해 GPU를 사용하는 환경과 사용하지 않는 환경에서 한 프레임당 모델 입력부터 추론까지의 시간을 GPU가 있는 하드웨어(HW Configuration 1) 및 GPU가 없는 하드웨어(HW Configuration 2) 모두에서 측정하는 방식으로 수행하였다.
결과: 키 프레임 블록 데이터 셋은 비악성 14개, 악성 5개로 레이블링 되었고, 6개는 제외하였다. 레이블링된 키 프레임 블럭은 201개의 프레임 영상을 포함하였다. 진단 성능 지표는 정확도 0.882, AUC 0.917, 민감도 1.0, 특이도 0.833으로 나타났다. 추론 시간은 HW Configuration 1에서 평균 0.03초, HW Configuration 2에서 평균 0.06초가 소요되어, GPU가 없는 환경에서도 초당 17 프레임을 처리할 수 있는 실시간성을 달성하였다.
결론: 개발된 모델은 높은 진단 성능과 즉각적인 추론 시간으로 유방 초음파 검사 시 실시간 진단 지원이 가능하여, 실제 초음파 검사에 적용하였을 때 사용자의 유방 병변의 검출과 진단 성능을 향상시켜줄 것으로 기대한다.
Key Words: Breast; Ultrasound; Cancer; Real-time; Dynamic; Artificial Intelligence (AI); Computer-aided Diagnosis (CAD)