Acknowledgement
본 연구는 2023 년 과학기술정보통신부 및 정보통신기획평가원의 SW 중심대학사업 지원을 받아 수행되었음(2023-0-00055)
Proceedings of the Korea Information Processing Society Conference (한국정보처리학회:학술대회논문집)
- 2023.11a
- /
- Pages.579-580
- /
- 2023
- /
- 2005-0011(pISSN)
- /
- 2671-7298(eISSN)
DOI QR Code
A Deep Neural Network Technique for Automatic Measurement of Tibial Plateau Angle from Animal X-ray Images
동물 X-ray 영상에서 경골고원각도 자동 검출을 위한 심층신경망 기법
- Jimin Kim (School of Computer Science and Electrical Engineering, Handong Global University) ;
- Hyungkyu Kim (JPI Healthcare Co., Ltd) ;
- Jeonghyeon Ryu (School of Computer Science and Electrical Engineering, Handong Global University) ;
- Sunju Lee (School of Computer Science and Electrical Engineering, Handong Global University) ;
- Hojoon Kim (School of Computer Science and Electrical Engineering, Handong Global University)
- 김지민 (한동대학교 전산전자공학부) ;
- 김형규 ((주)제이피아이헬스케어) ;
- 류정현 (한동대학교 전산전자공학부) ;
- 이선주 (한동대학교 전산전자공학부) ;
- 김호준 (한동대학교 전산전자공학부)
- Published : 2023.11.02
Abstract
본 논문에서는 동물의 십자인대 질환의 진단지표인 경골고원각도(TPA)를 자동으로 측정하는 딥러닝 소프트웨어 기법을 제안한다. 동물 X-ray 영상에서 나타나는 피사체의 위치와 형태에 대한 다양한 변이는 TPA(Tibial Plateau Angle) 지표 산출에 필요한 특징점 검출과정에서 학습 효율을 현저하게 저하시킨다. 이에 본 연구에서는 YOLO(You Only Look Once) 기반 모델을 사용하여 일차적으로 경골영역의 분할 단계를 수행하고, 이어서 경골 상단부의 과간융기와 복사뼈의 중심점을 찾는 과정을 Resnet 기반의 특징점 추출 모듈로서 구현함으로써 학습의 효율과 지표 검출의 정확도를 향상시켰다. 총 201 개의 실제 X-ray 영상을 사용하여 학습 속도와 영역 분할 및 특징점 추출의 정확도 측면을 고려함으로 제안된 이론의 타당성을 실험적으로 평가하였다.
Keywords