Acknowledgement
본 연구는 과학기술정보통신부 및 정보통신기획평가원의 ICT 명품인재양성사업(IITP-2023-2020-0-01821), 인공지능대학원 지원(성균관대학교, No.2019-0-00421), 인공지능 혁신 허브 연구 개발(No.2021-0-02068)의 지원을 받아 수행된 연구임.
DOI QR Code
갈비뼈 병변 진단 과정은 방사선 전문의가 CT 스캐너를 통해 생성된 2 차원 CT 이미지들을 해석하며 진행된다. 병변의 위치를 파악하고 정확한 진단을 내리기 위해 수백장의 2차원 CT 이미지들이 세밀하게 검토되며 갈비뼈를 분류한다. 본 연구는 이런 노동 집약적 작업의 문제점을 개선시키기 위해 Biaxial Rib Segmentation(BARS)을 제안한다. BARS 는 흉부 CT 볼륨의 관상면과 수평면으로 구성된 2 차원 이미지들을 U-Net 모델에 학습한다. 모델이 산출한 세그멘테이션 마스크들의 조합은 서로 다른 평면의 공간 정보를 보완하며 3 차원 갈비뼈 볼륨을 재건한다. BARS 의 성능은 DSC, Recall, Precision 지표를 사용해 평가하며, DSC 90.29%, Recall 89.74%, Precision 90.72%를 보인다. 향후에는 이를 기반으로 순차적 갈비뼈 레이블링 연구를 진행할 계획이다.
본 연구는 과학기술정보통신부 및 정보통신기획평가원의 ICT 명품인재양성사업(IITP-2023-2020-0-01821), 인공지능대학원 지원(성균관대학교, No.2019-0-00421), 인공지능 혁신 허브 연구 개발(No.2021-0-02068)의 지원을 받아 수행된 연구임.