초음파 B-모드 영상과 딥러닝 FCN 모델을 이용한 간 섬유화 단계 분류의 최신 기술
초음파 B-모드 영상과 딥러닝 FCN 모델을 이용한 간 섬유화 단계 분류의 최신 기술 doi:10.9718/JBER.2020.41.1.48 1. 서론 – 간 섬유화의 중요성과 진단 패러다임의 변화 간 섬유화(Liver Fibrosis)는 바이러스성 간염, 알코올 남용, 비알코올성 지방간질환(NAFLD) 등 다양한 원인에 의해 발생하는 진행성 간 손상 단계로, 적절한 치료가 이루어지지 않으면 간경변증(Liver Cirrhosis)과 간세포암(Hepatocellular Carcinoma, HCC)으로 이어질 수 있습니다[1],[2]. 임상적으로 간 섬유화 정도의 정확한 평가가 치료 계획과 예후 예측에 매우 중요하며, 이를 위해 기존에는 간 생검(liver biopsy)이 표준 진단법으로 사용되었습니다. 하지만, 침습적 시술로 인한 환자 부담, 합병증 위험, 표본 오차(sampling error) 등의 한계가 존재합니다. 이에 따라 비침습적 영상 기반 진단법 이 각광받고 있으며, 특히 초음파 영상은 비용 효율성과 접근성 측면에서 매우 매력적인 대안입니다. 최근에는 단순 영상 판독을 넘어, 인공지능(AI) 기반의 딥러닝(Deep Learning) 알고리즘이 간 섬유화 단계 분류에 적용되면서 높은 정확도를 보여주고 있습니다. 2. 간 섬유화 영상 진단 – 기존 방법과 한계 전통적으로 간 섬유화 영상 진단에는 다음과 같은 방법이 사용됩니다. 탄성영상(Elastography) 조직의 탄성도를 측정하여 간 경직도를 정량화 대표적으로 횡파탄성영상(Shear Wave Elastography) , 이완탄성영상(Transient Elastography) 등이 있습니다[4]-[8]. 초음파 B-모드(B-mode Ultrasound) 조직의 형태학적 특징과 스페클 패턴(speckle pattern)을 시각화 장점: 빠른 검사, 비침습성, 저비용 단점: 판독이 검사자의 경험에 의존, 미세 단계 구분...