Learning Radiologist’s Step-by-Step Skill forCervical Spinal Injury Examination: Line Drawing, Preve

본 연구진은 인공지능 영상 분할 알고리즘을 이용하여 경추 앞 연조직 (Prevertebral Soft Tissue)를 표시하고그 두께를 측정하여 손상 여부를 진단하는 경추 이상 자동 진단 알고리즘을 개발.

그림01. 방사선 전문의와 인공지능에 의한 방사선 영상 해석 프로토콜

-경추 손상은 일상 생활에서 흔하게 발생할 수 있는 문제이며,경미한 인대 손상에서 심각한 척수 손상에 이르기까지 그 심각도가 다양하다.경추 측면도 방사선 사진은 응급 환경을 포함한 대부분의 임상 환경에서 경추 손상이 의심되는 환자에게서 일차적으로 얻어지는 영상으로서 방사선 전문의는 이 사진을 통해 경추의 손상 여부를 진단한다.

-본 알고리즘은 딥 러닝을 사용하여 방사선 사진으로부터 경추 손상 가능성을 검사하는 것을 목적으로 한다.본 연구진은제한된 학습 데이터와 딥 러닝 알고리즘의 불투명한 작동 방식을 극복할 수 있는 효과적인 알고리즘 개발을 위해 방사선 전문의가 사용하는 해석 프로세스를 3단계로 해체하여 알고리즘을 구현하였다.

-본 알고리즘은 방사선 전문의의 해석 프로세스와 동일하게 경추 연조직 경계 추출,경추 연조직 두께 측정,그리고 부기 진단의 세 가지 국소 알고리즘으로 구성되며,각 알고리즘의 순차적 동작을 통해 진단 결과 및 경추 연조직 상태에 대한 시각적 자료를 제공한다.

그림02. 방사선 영상에 금속 고정장치,정맥 주사선,산소 튜브 등의 이물질이 포함된 경우에 대한경추앞 연조직 경계 표시 성공 예시

-본 연구진은 Convolutional Neural network (CNN) 기반의 영상 분할 알고리즘을 통해 1 단계,경추 연조직 경계 추출을 진행하였으며,그림02의 (A)와 같이 일반적인 환자 영상 뿐만 아니라 (B)와 같이 이물질이 포함된 경우에 대해서도 성공적으로 경추 연조직 경계를 추출하였다.

-본 알고리즘의 경추 연조직 두께의 측정 결과는 실제 방사선 전문의에 의한 측정 결과와 비교하여 높은 상관 관계를 보였으며 (2번 경추; r=0.8663, 6번 경추;r=0.9283), 방사선과 전문의의 진단 결과를 기준으로 100%의 민감도, 98.37%의 특이도, 98.48%의 정확도를 기록하였다.

참고 url:https://ieeexplore.ieee.org/document/8468966

LEE, Young Han, et al. “Learning Radiologist’s Step-by-Step Skill for Cervical Spinal Injury Examination: Line Drawing, Prevertebral Soft Tissue Thickness Measurement, and Swelling Detection.” IEEE Access 6 (2018): 55492-55500.