UPDATED. 2024-03-29 14:40 (금)
암 진단, 정확성 높인 인공지능 모델 개발
암 진단, 정확성 높인 인공지능 모델 개발
  • 최승우
  • 승인 2022.07.13 09:49
  • 댓글 0
이 기사를 공유합니다

- DGIST 박상현 교수 연구팀, 서울아산병원 남수정 교수, 고현정 교수 연구팀과 공동연구로 적은 정보만으로도 암 부위를 정확하게 탐지하는 딥러닝 기술 개발
- 암 부위 탐지를 위해 정확하게 그려진 데이터셋 구축이 필요했던 딥러닝 모델 학습의 효율성 향상에 획기적 기여 예상돼

DGIST(총장 국양) 로봇및기계전자공학과 박상현 교수(인공지능전공 겸직) 연구팀은 암이 존재한다는 데이터만으로 병리영상 병리영상 : 생검조직 또는 수술로 채취한 인체 조직을 현미경으로 확대한 영상
에서 암의 존재와 부위까지 정확하게 보여줄 수 있는 약지도학습(Weakly supervision) 딥러닝 모델을 개발했다. 기존 딥러닝 모델에서는 암 부위를 특정하기 위해서는 암의 위치가 정확하게 그려진 데이터셋 데이터셋 : 자료가 저장된 데이터의 집합체
 구축을 필요로 했으나, 이번 연구로 개발된 딥러닝 모델로 효율성이 향상되어 해당 연구 분야에 획기적으로 기여할 것으로 보여진다.

일반적으로 암의 위치정보를 나타내는 영역화 문제를 해결하기 위해서는 암 부위가 위치한 곳을 정확하게 표시해주는 작업을 진행해야하기에 오랜 시간이 소요되고, 그에 따라 비용이 증가하게 된다. 

이러한 문제를 해결하기 위해 ‘영상 속 암의 존재 유무’와 같은 대략적인 정답만으로도 암 부위를 영역화 하는 약지도학습(Weakly supervision)모델이 활발하게 연구되고 있으나, 영상 하나의 크기가 기가바이트 기가바이트 : 1 기가바이트는 가수의 음원을 약 150곡 정도 내외를 저장할 수 있는 크기
에 이르는 거대한 병리영상 데이터셋에 기존의 약지도학습 모델을 적용하면 성능이 크게 저하되는 문제가 발생한다. 이러한 문제를 해결하기 위해 병리영상을 패치 패치 : 1개의 영상을 작은 사각형들로 분할했을 때 한 사각형 영역
들로 분할해서 활용하는 방안으로 성능을 높이려고 하지만, 분할된 패치들은 위치정보와 각 분할자료 간의 상관관계를 잃어버리게 되어 모든 정보를 활용할 수 없다는 한계를 갖게 된다.

이에 박상현 교수 연구팀은 슬라이드 단위 슬라이드 : 병리 진단용으로 제작된 유리 슬라이드. 이를 디지털 파일로 전환해서 병리영상을 획득함
의 암 유무 표시를 가진 학습데이터만으로 암 위치까지 정확히 분할해낼 수 있는 기법을 발견했다. 먼저 비지도 대조 학습(Unsupervised contrastive learning)을 통해 패치들로부터 유의미한 특징들을 효과적으로 추출하도록 네트워크를 학습시키고, 이를 이용하여 각 위치정보를 유지하면서 주요 특징들을 검출하게 하여 패치들 간 상관관계를 유지한 채 영상의 크기를 줄이는 병리영상 압축 기술을 개발했다. 이후 압축된 병리영상으로부터 클래스 활성 지도(Class activation map) 클래스 활성 지도 : 이미지 분류 결과를 예측할 때 어떤 영역이 예측값을 얻는데 주요한 역할을 했는지를 시각화 해줄 수 있는 지도
를 활용하여 암일 확률이 높은 부위를 찾아내고, 픽셀 상관관계 모듈(Pixel correlation module, PCM) 픽셀 상관관계 모듈 : 픽셀 간의 관련성을 분석하여 상관관계를 보여주기 위한 모듈
을 이용해 전체 병리영상 내에서 암일 확률이 높은 부분들을 모두 영역화 해낼 수 있는 모델을 개발했다.

DGIST 박상현 교수 연구팀이 고안한 모델 구조

새롭게 개발한 딥러닝 모델은 암 영역화 문제에서 슬라이드 단위의 암 유무 레이블을 가진 학습데이터만으로 최대 81 ~ 84의 Dice similarity coefficient (DSC) 점수를 보였으며, 기존에 제안된 패치단위 기법들이나 다른 약지도학습 기법들의 성능(DSC 점수: 20 ~ 70)을 크게 웃돌았다. 

박상현 교수는 “이번 연구를 통해 개발한 모델은 병리영상의 약지도학습 영역화 성능을 크게 개선시켰으며 이를 통해 병리영상 분석이 필요한 다양한 연구들의 효율성 향상에 기여할 수 있을 것으로 기대된다.”며, “향후 관련 기술을 좀 더 개선한다면 다양한 의료영상 영역화 문제에도 범용적으로 활용될 수 있을 것”이라 말했다.

한편, 이번 연구 결과는 그 우수성을 인정받아 의료영상 분석 관련 분야 최상위 국제학술저널인 MedIA (Medical Image Analysis Journal)’에 게재됐다.

최승우 기자 kantmania@kyosu.net


댓글삭제
삭제한 댓글은 다시 복구할 수 없습니다.
그래도 삭제하시겠습니까?
댓글 0
댓글쓰기
계정을 선택하시면 로그인·계정인증을 통해
댓글을 남기실 수 있습니다.