MediWave

  http://dx.doi.org/10.9718/JBER.2023.44.2.139 최근 고령화 사회로 접어들면서 골밀도 감소로 인해 골절 위험이 증가하는 골다공증 (Osteoporosis) 이 심각한 보건 문제로 대두되고 있습니다 .  특히 요추 (Lumbar spine) 의 정확한 골밀도 측정은 골다공증의 조기 진단과 예방에 필수적입니다 .  본 칼럼에서는 최첨단 인공지능 기술인 딥러닝 (Deep Learning) , 그중에서도 Modified U-Net 과 척추의 중심점 정보를 결합하여 척추 영역을 정밀하게 추출하는 혁신적인 자동 분할 기술인 CM-Net 에 대해 심도 있게 다루어 보겠습니다 . 1. 척추 자동 분할 기술의 필요성 및 배경 인간의 척추는 신체를 지탱하고 척수를 보호하는 핵심 골격으로 , 나이가 들면 퇴행성 변화를 겪게 됩니다 .  골다공증 진단을 위해서는 대퇴골 및 요추의 골밀도를 측정해야 하는데 , 요추 X-ray 영상에서 척추 마디를 정확히 분할 (Segmentation) 하는 작업이 선행되어야 합니다 . 기존의 수작업 방식은 전문가의 숙련도에 따라 결과의 일관성이 떨어질 수 있고 , 방대한 양의 데이터를 처리하는 데 한계가 있습니다 .  하지만 딥러닝 기반 자동 분할 을 도입하면 다음과 같은 이점이 있습니다 : ·          분석적 측면 : 구조물의 위치 , 크기 , 형태를 일관된 기준에 따라 정확하고 빠르게 추출할 수 있습니다 . ·          임상적 측면 : 병변을 정확히 분석하여 환자 맞춤형 치료 계획을 수립하고 압박 골절 위험을 조기에 방지할 수 있습니다 . 2. 데이터셋 및 전처리 과정 본 연구에서는 서울 세브란스 병원에서 수집된 VERTEX 데이터셋 을 활용하였습니다 . 이 데이터셋은 2007 년부터 2020 년까지 촬영된...