대한유방검진의학회

다기관연구보고서

Full Text(PDF)

본 연구는 깊은 컨볼루션 신경망 기법을 결합한 영상 잡음 제거 알고리즘 Deep learning de-noising convolutional neural network 을 개발하고 이를 응용 하여 저선량 유방 촬영 영상을 복원하고 유방암을 진단하는데 그 효능을 조사하고자 하였음. 6명의 유방 영상 전문의가 본 전향적 연구에 참여하였으며 모든 영상 전문의는 병변 감지를 위해 저선량 유방 촬영 영상을 독립적으로 평가하고 정성적 척도를 사용하여 영상 품질을 평가하였음. 영상 잡음 제거 알고리즘을 적용한 후, 동일한 전문의가 병변 감지 및 영상 화질을 평가하였음. 임상 적용을 위해 유방암 병변 유형과 위치에 대한 합의 결정 후, 저선량 영상, 복원된 영상, 표준 선량 영상을 비교 평가하였음. 본 연구의 결과에서 유방 전 절제 표본의 저선량 영상을 참조 로 40% 복원된 영상에서 병변이 더 잘 인식되었으며 임상 적용 단계에서 40% 복원된 영상과 비교하여 표준 선량 영상이 해상도 (p < 0.001), 석회에 대한 진단 품질 (p< 0.001), 유방 종괴, 비대칭, 구조왜곡의 진단 품질 (p =0.037)에 대해 더 높은 평균값을 보였으나 40% 복원된 영상은 표준 영상과 비교 시 전반적인 화질 (p = 0.547), 병변의 가시성 (p = 0.120), 대조도 (p = 0.083)에서 비슷한 성적으로 보였으며 유의미한 차이를 보이지 않음. 깊은 컨볼루션 신경망 기법을 결합한 효과적인 잡음 제거 및 영상 재구성 처리 알고리즘은 유방 촬영의 상당한 선량 감소를 위한 길을 열어 유방암 검진 및 진단을 가능하게 할 것으로 기대됨.
Key Words: