[위 내시경 AI] 이미지 품질이 병변 검출 정확도에 미치는 영향: BRISQUE 및 RetinaNet 분석 가이드
http://dx.doi.org/10.9718/JBER.2023.44.2.118 의료 인공지능 (AI) 의 비약적인 발전에도 불구하고 , 임상 현장에서의 진단 정확도는 여전히 입력 데이터의 품질에 크게 의존합니다 . 특히 위암 조기 진단의 핵심인 위 내시경 검사에서 영상 품질은 병변 검출 모델의 성패를 가르는 결정적 요인입니다 . 본 칼럼에서는 이미지 품질 평가 (IQA) 알고리즘을 활용하여 데이터 품질이 딥러닝 모델의 성능에 미치는 영향을 정량적으로 분석한 최신 연구 결과를 전문가적 시각에서 고찰합니다 . 1. 서론 : 왜 위 내시경 영상 품질인가 ? 전 세계적으로 위암은 발생률과 사망률이 매우 높은 질환으로 , 조기 진단이 예후 개선에 결정적입니다 . 검사량의 증가와 전문의의 피로도 누적은 진단 정확도 저하와 편차를 야기할 수 있으며 , 이를 보완하기 위한 컴퓨터 보조 진단 (CADx) 시스템 도입이 가속화되고 있습니다 . 그러나 다수의 연구가 아키텍처 개선과 데이터 양적 확대에 집중하는 반면 , 학습 데이터 자체의 ' 품질 ' 이 검출 성능에 미치는 구체적인 영향에 대한 연구는 상대적으로 부족한 실정입니다 . 2. 이미지 품질 평가 (IQA) 알고리즘의 정량적 접근 본 연구에서는 주관적 육안 평가를 넘어 , 세 가지 핵심 알고리즘을 통해 영상 품질을 객관적으로 수치화했습니다 . BRISQUE (Blind/Referenceless Image Spatial Quality Evaluator): 국지적으로 정규화된 휘도 계수를 사용하여 이미지의 자연스러움 손실을 측정합니다 . 값이 낮을수록 선명한 영상임을 의미합니다 . Laplacian Score: 2 차 미분 연산자를 통해 ...