LobePrior, 심각한 폐 질환 환자 폐엽 분할 정확도 개선

주장폐 질환을 정확하게 진단하고 모니터링하려면 폐와 폐엽을 정밀하게 분할하는 기술이 필수적입니다. 하지만 심각한 폐 이상이 있는 환자는 폐엽 사이의 경계인 엽간열이 불분명하여 자동 분할에 어려움이 따릅니다.

팩트LobePrior는 딥 신경망과 확률 모델을 결합한 자동 폐엽 분할 방법입니다. 이 기술은 저해상도 이미지 처리, 고해상도 어텐션 유넷(AttUNet) 기반 분할, 최종 후처리의 3단계 과정을 거칩니다.

팩트연구진은 확률 모델을 활용하여 심각한 이상이 있는 영역에서도 네트워크가 올바른 판단을 내리도록 유도했습니다. 학습 과정에서는 합성 병변을 생성해 데이터를 증강함으로써 모델의 강건성을 높였습니다.

교차검증기존 자동 분할 방식은 엽간열이 명확하지 않은 병리적 환경에서 정확도가 급격히 떨어지는 한계가 있었습니다. LobePrior는 해부학적 사전 지식과 딥러닝을 통합해 이러한 문제를 해결했습니다.

팩트연구진은 롤라11(LOLA11) 데이터셋과 암 결절 또는 코로나19 폐렴이 포함된 3개의 추가 데이터셋으로 성능을 평가했습니다. 평가 결과, 이 모델은 기존 방식보다 통계적으로 유의미한 성능 향상을 보였습니다.

팩트로카(LOCCA) 데이터셋에서 LobePrior는 0.966의 다이스 점수를 기록했습니다. 코로나19 컴퓨터 단층 촬영(CT) 데이터셋에서도 0.978의 높은 다이스 점수를 달성하며 최첨단 성능을 입증했습니다.

팩트LobePrior 기술은 현재 깃허브(GitHub)를 통해 누구나 접근할 수 있습니다. 또한 의료 영상 분할 도구인 메드피세그(MEDPSeg)에도 통합되어 의료 현장에서 활용됩니다.

주장이번 연구는 해부학적 사전 정보와 딥러닝의 결합이 심각한 폐 이상 상황에서도 신뢰할 수 있는 결과를 제공함을 보여줍니다. 이는 앞으로 폐 질환 환자의 정밀 진단에 크게 기여할 전망입니다.

팩트본 연구는 네이처(Nature)의 사이언티픽 리포트(Scientific Reports)에 게재되었습니다. 연구진은 다양한 의료 영상 데이터셋을 활용하여 기술의 범용성을 검증했습니다.

출처네이처 사이언티픽 리포트 논문, 깃허브 LobePrior 저장소, 깃허브 MEDPSeg 저장소를 교차 검증했습니다.