임상적 접근법을 활용한 인공지능 기반 유방암 진단 알고리즘 : 유방 X선 영상에서 이중 촬영상을 활용한 딥 러닝 기반의 유방 종괴 검출 = Artificial intelligence based breast cancer diagnosis algorithm using clinical approach

국문 초록 (Abstract)

유방 X선 영상은 초기 유방 진단의 주요 영상 모달리티로 이용되며, 기준 촬영상으로써 상하촬영상과 내외사위촬영상이 사용된다. 유방암 임상 진단에서 두 기준 촬영상을 활용할 때 단일 촬영상만을 이용한 판독에 비하여 위양성 감소 및 검출률 향상에 도움이 된다고 보고되어 왔다. 이러한 이중 유방 X선 영상 활용의 이점을 적용함으로써 유방 종괴 검출의 성능을 높이기 위한 다양한 인공지능 기반의 컴퓨터 보조 진단 시스템 개발 연구들이 진행되었다. 하지만 주로 단일 영상에서 유방 종괴 영역의 패치 데이터를 생성한 후, 각 영상으로부터 추출된 두 패치의 일치 여부에 대해 판별하는 이단계방식으로 진행되며, 위양성 제거의 목적의 알고리즘을 제안하였다. 따라서 본 연구는 이중 촬영상을 동시에 활용하는 합성곱 신경망(Convolutional neural network, CNN) 기반의 CoDualnet을 제안함으로써 유방 종괴 검출을 단일단계방식으로 진행하며 위양성 제거 및 검출률을 높이고자 하였다. 해당 알고리즘에 대한 효과를 확인하기 위하여 VGGnet16, Resnet50, EfficientnetB5 모델을 활용하였으며, 제안한 구조를 적용하지 않은 상태의 단일 촬영상 기반의 모델과 비교하였다. 이중촬영상을 활용한 VGGnet16기반의 모델에서 평균 0.709의 Dice similarity coefficient(DSC)으로 가장 높은 성능을 보였으며, 같은 구조의 단일촬영상 기반 모델에 비해 0.120의 향상을 보이며 제안하는 구조의 유효성을 확인할 수 있었다.

목차 (Table of Contents)

• 제 1 장 서 론 1
• 제 2 장 재료 및 방법 6
• 2.1 연구 재료 6
• 2.1.1. 데이터 6
• 2.1.2. 학습 환경 설정 7
• 2.2 전처리 9
• 2.2.1. 인위적 컬러 영상 생성 9
• 2.2.2. 데이터 증강 9
• 2.3 인공지능 기반의 유방 종괴 검출 모델 학습 13
• 2.3.1. Base-line U-net 13
• 2.3.2. Backbone network 14
• 2.3.2.1. VGGnet16 14
• 2.3.3.2. Squeeze and excitation 15
• 2.3.3.3. EfficientnetB5 15
• 2.3.3. 이중 촬영상을 활용한 다중 입력 구조 학습 모델 16
• 2.3.3.1. Cosine similarity 16
• 2.3.3.2. Squeeze and excitation 17
• 2.3.3.3. CoDualnet 17
• 2.4 Pre-trained 모델 적용 학습 21
• 2.5 평가지표 21
• 2.5.1. 의미론적 분할 성능 지표 21
• 2.5.2. 종괴포함 영역 검출 성능 지표 22
• 제 3 장 실험결과 25
• 3.1 의미론적 분할 결과 25
• 3.2 종괴 포함 영역에 대한 검출 결과 26
• 3.3 Pre-trained 모델 적용 결과 31
• 제 4 장 고 찰 33
• 제 5 장 결 론 38
• 참 고 문 헌 39
• 영 문 초 록 45