삼차원 의료영상의 혈관 영역추출을 위한 순환신경망이 활용된 심층학습 알고리즘 개발 및 검증 = Development and validation of a deep learning algorithm using recurrent neural network for blood vessel segmentation of 3D medical image
저자
발행사항
서울 : 서울대학교 대학원, 2021
학위논문사항
학위논문(석사)-- 서울대학교 대학원 : 바이오엔지니어링전공 2021. 2
발행연도
2021
작성언어
한국어
주제어
DDC
660.6
발행국(도시)
서울
형태사항
ix, 43 ; 26 cm
일반주기명
지도교수: Sungwan Kim
지도교수: 이경호
UCI식별코드
I804:11032-000000164026
DOI식별코드
소장기관
전산화단층촬영, 자기공명영상 등의 삼차원 의료영상에서 혈관 영역추출은 다양한 심혈관계 질환의 진단 및 수술계획 수립에 요구되는 선행 절차이다. 특히 혈관은 타 장기에 비해 좁고 복잡하다는 특징이 있어 영역추출의 난도가 높고 소모되는 인력 및 시간 또한 상당하다. 그렇기 때문에 혈관 영역추출을 위한 자동화 기술 연구들이 활발히 이루어지고 있다.
최근에는 그래픽 처리 장치와 소프트웨어 기술이 발전함에 따라 인공지능으로 의료영상을 분석해 판독 및 진단을 돕는 연구분야가 크게 활성화 되고 있다. 그 중, 합성곱신경망을 사용한 심층학습 접근법은 영상의 공간적 특징을 자동 추출함으로써 뛰어난 성능을 기록했고, 도약연결부를 지닌 특수한 형태의 합성곱신경망인 U-Net은 인공지능 영역추출 모델의 표본으로 인식되고 있다.
삼차원 혈관 영역추출을 위한 심층학습 모델 또한 U-Net 기반으로 구성되는 경우가 일반적이다. 특히 타 장기 영역추출에도 범용적으로 사용되는 이차원 U-Net이나 삼차원 U-Net을 채택하는 사례가 많다. 하지만 혈관은 일반적인 장기와 다르게 신체 내에서 매우 얇고 복잡하게 얽혀 있다는 구조적 특징이 있어 범용 모델을 기반으로 접근할 경우 타 장기 영역추출에 비해 상대적인 어려움이 발생한다.
본 연구에서는 삼차원 혈관 영역추출의 성능을 향상시키기 위해 U-Net 기반의 새로운 맞춤형 모델인 ‘거미형 U-Net’을 제안한다. 이 모델의 핵심 알고리즘은 기존 이차원 U-Net 접근법에 순환신경망을 삽입하는 것이다. 순환신경망은 본래 음성, 자연어 등 순서가 있는 자료의 문맥적 연결성을 학습하는 일에 특화된 심층신경망의 특수한 형태이다. 따라서 삼차원 의료영상을 이미지 시퀀스 (image sequence)로 간주한다면 순환신경망을 적용해 인접한 이미지와의 문맥적 연결성을 모델에 효과적으로 반영시킬 수 있다. 특히 혈관은 기본적으로 서로 연결되어 있으므로 이미지 간 뚜렷한 문맥이 존재하기 때문에 순환신경망을 사용할 경우 학습의 효과가 좋아질 수 있다.
본 연구는 제시한 접근법의 효과 검증을 위해 뇌혈관, 간혈관 및 좌심실 영역추출을 위한 세 종류의 삼차원 혈관 데이터베이스를 확보해 학습 및 평가를 진행한다. 또한 성능의 비교를 위해 기존의 대표 모델인 이차원 U-Net과 삼차원 U-Net을 비롯하여 순환신경망을 다른 방식으로 활용한 FCN-RNN에 대해 같은 조건 하에서 추가 학습시켜 비교군으로 설정한다. 마지막으로, 영역추출의 성능 평가에 일반적으로 사용되는 다이스 계수 (DSC) 및 자카드 계수 (IoU)의 평균치를 보고한다. 대표적으로 뇌혈관 데이터베이스에 대해 이차원 U-Net은 0.745, 삼차원 U-Net은 0.716, FCN-RNN은 0.752, 그리고 거미형 U-Net은 0.807의 평균 DSC를 기록하며 기존 모든 모델의 성능을 능가함을 확인할 수 있다.
3D blood vessel segmentation (3D BVS) is an important prerequisite for various cardiovascular disease diagnosis. 3D BVS is difficult because the blood vessel has complicated structure and is narrower than other organs. We propose a novel deep learning framework to improve performance by emphasizing inter-slice context that the blood vessels are connected through adjacent slices. We implemented a framework from U-Net with two structural modifications. First, the baseline is duplicated several times in parallel to extract features of adjacent slices simultaneously. Second, to weave unconnected contexts between extracted features, a LSTM layer is incorporated between encoder and decoder. Consequently, the spatial information from x-y plain and the inter-slice context from z-axis make the segmentation masks smooth and accurate. Experiment with three 3D BVS datasets shows Spider U-Net outperforms whole representative models in average dice score.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)