MediWave

https://dx.doi.org/10.31916/sjmi2023-01-01 서론 전 세계적으로 COVID-19 팬데믹은 의료 영상 분석의 자동화와 인공지능(AI) 기술의 필요성을 가속화하였다.  특히 흉부 X선(CXR) 이미지는 폐 질환을 진단하는 데 핵심적인 영상 자료로 사용되며, 최근에는 딥러닝(Deep Learning) 기반 합성곱 신경망(Convolutional Neural Network, CNN)이 의사들의 보조 진단 도구로 주목받고 있다.  본 연구에서는 AlexNet 기반 전이학습(Transfer Learning)을 적용하여 COVIDGR-1.0 데이터셋의 흉부 X선 이미지를 정상(Normal), 경증(Mild), 중등도(Moderate), 중증(Severe)으로 분류하였다. 연구 방법 1. 데이터셋 COVIDGR-1.0 Dataset : 스페인 Hospital Universitario San Cecilio와 협력하여 익명화된 784장의 흉부 X선(CXR) 이미지로 구축됨 . 데이터는 70% 훈련(training), 30% 검증(validation) 세트로 분할되었다 . 2. 전이학습 모델: AlexNet Figure 1. 전이학습 과정 : AlexNet을 기반으로 사전 학습된 가중치를 활용하고, 최종 분류 계층을 COVID-19 중증도 단계에 맞게 수정하였다 . 전이학습을 통해 훈련 시간을 단축하고 소규모 의료 데이터셋에서도 높은 정확도를 달성할 수 있었다. 3. 실험 절차 데이터셋 로딩 및 전처리: RGB → Gray scale 변환, 정규화(normalization) 수행 . Figure 2. 실험 절차 : 데이터셋 불러오기, 라벨링, 학습-검증 데이터 분할, 모델 학습 및 분류 단계로 구성됨. Figure3. 샘플 이미지 : 16장의 X-ray 이미지가 무작위로 배열되어 시각화됨 결과 및 분석 1. 분류 결과 Figure 4. 분류 이미지 : 네 가지 질환 단계별 예측 ...

http://dx.doi.org/10.31916/sjmi2023-01-03 서론: 뇌종양 진단의 패러다임을 바꾸는 인공지능(AI) 전 세계적으로 수많은 사람들의 생명을 위협하는 뇌종양은 조기 발견과 정확한 분류가 환자의 생존율을 높이는 데 결정적인 역할을 합니다.  전통적인 뇌종양 진단 방법은 생검(biopsy)이나 요추 천자와 같은 침습적인 절차를 포함하여 환자에게 부담을 주고 시간이 많이 소요되는 단점이 있었습니다.  그러나 최근 몇 년 사이, 인공지능(AI), 특히 딥러닝(Deep Learning) 기술이 의료 영상 분석 분야에 도입되면서 뇌종양 진단에 혁신적인 변화의 바람이 불고 있습니다. 컴퓨터 비전 기술의 핵심인 컨볼루션 신경망(Convolutional Neural Network, CNN)은 인간의 시각적 인식 능력을 모방하여 이미지 속의 복잡한 패턴과 특징을 놀라운 정확도로 식별해냅니다.  본 컬럼에서는 CNN 기술, 그중에서도 특히 AlexNet 모델을 기반으로 한 전이 학습(Transfer Learning) 기법을 활용하여 뇌 자기공명영상(MRI) 이미지를 분석하고, 이를 통해 다양한 뇌종양을 자동으로 분류하는 최신 연구 사례를 세계적인 전문가 수준의 깊이로 상세하게 분석하고 그 미래를 조망하고자 합니다.  이 글을 통해 의료 전문가뿐만 아니라, 뇌종양 진단 기술과 인공지능의 접점에 관심 있는 모든 분들께 유익한 정보를 제공할 것입니다. 1. 핵심 기술: 컨볼루션 신경망(CNN)과 전이 학습(Transfer Learning) 뇌종양 분류 모델을 이해하기 위해서는 먼저 그 기반이 되는 핵심 기술인 CNN과 전이 학습에 대한 이해가 필요합니다. 컨볼루션 신경망(CNN)이란? CNN은 이미지, 영상, 음성 등과 같은 데이터를 처리하는 데 특화된 딥러닝 모델입니다.  인간의 뇌가 시각 정보를 처리하는 방식을 모방하여, 입력된 이미지에서 특징(feature)을 자동으로 추출하고 이를 기반으로 객체를 분류합니...

http://dx.doi.org/10.31916/sjmi2022-01-02   서론: 소리 없는 위협, 구강암과 설암 안녕하세요, 디지털 헬스케어와 최신 의료 기술에 대해 깊이 있는 정보를 전해드리는 AI 메디컬 인사이트입니다.  오늘 다룰 주제는 많은 분들이 두려워하지만 정작 잘 알지 못하는 암, 바로 설암(혀암)과 구강암 입니다. 구강암은 전 세계 암 발병률 10위 안에 드는 주요 질병 중 하나로, 특히 조기 진단이 어려워 예후가 좋지 않은 것으로 알려져 있습니다.  구강암 중에서도 가장 흔하게 발생하는 부위가 바로 혀, 구강저(입안 바닥), 그리고 아랫입술입니다.  안타깝게도 구강암의 5년 생존율은 50%로 매우 낮은 수준에 머물러 있으며, 이는 조기 발견이 얼마나 중요한지를 역설합니다.  조기에 발견하기만 한다면 평균 생존 기간은 훨씬 길어질 수 있습니다. 따라서 구강암 환자의 생존율을 높이기 위해서는 암의 조기 발견과 함께, 주요 위험 요인으로 알려진 흡연 및 음주와 같은 생활 습관의 개선이 매우 중요합니다. 기존의 구강암 진단은 CT나 MRI 같은 영상 장비를 이용하거나, 조직을 직접 떼어내는 침습적 생검(biopsy)을 통해 이루어집니다.  하지만 이러한 방법들은 비용과 시간 부담이 크고, 환자에게 고통을 줄 수 있어 조기 검진으로는 접근성이 떨어지는 것이 현실입니다. 만약 우리가 일상적으로 사용하는 일반 카메라로 촬영한 입안 사진을 통해 설암을 조기에 발견할 수 있다면 어떨까요?  최근, 이러한 혁신적인 아이디어를 현실로 만드는 인공지능(AI) 딥러닝 기술 이 의료계의 큰 주목을 받고 있습니다.  본 칼럼에서는 일반 구강 이미지에 딥러닝 분석을 적용하여 설암의 등급을 분류하고, 그 신뢰성을 평가한 최신 연구를 바탕으로 AI 영상 판독 기술의 원리와 가능성을 심도 있게 파헤쳐 보겠습니다. 본론 1. 설암(Tongue Cancer)에 대한 깊은 이해 구강암이란 무엇인가? ...