소장 카르시노이드 희소 병변 탐지·분할을 위한 약지도/합성데이터 기반 딥러닝 연구

Weakly supervised and synthetic data-driven deep learning for rare small bowel carcinoid detection and segmentation research

연구 내용

CT에서 소장 카르시노이드의 희소 병변을 탐지·분할하기 위해 병변 강도 분포 보조감독과 크기 제어 종양 합성을 결합하여 성능을 개선하는 연구

희소 질환인 소장 카르시노이드는 증상 비특이성과 병변 크기 때문에 탐지와 분할이 어렵습니다. 연구실은 CT에서 병변의 강도 분포 정보를 추가 라벨 비용 없이 보조 과제로 학습에 통합하여 병변 위치 후보와 배경을 분리하는 방향으로 접근합니다. 또한 소장 분할 기반 필터링을 통해 오탐을 줄이는 구조를 구성하고, 불균형 문제를 완화하기 위해 크기 제어가 가능한 종양 합성 이미지를 학습에 포함합니다. 아울러 소장 분할에 대한 비지도 도메인 적응으로 영상 획득 조건 변화에 대한 강건성을 확보하는 차별성을 갖습니다.

관련 프로젝트

1건

연구 흐름

초기에는 소장 병변 분할에서 강도 분포 보조감독을 적용하여 작은 병변의 학습 신호를 강화하는 연구를 수행하였습니다. 이후 소장 분할과 결합한 탐지 네트워크를 설계하여 오탐 감소와 환자 수준 성능을 함께 고려하는 방향으로 확장하였습니다. 한편 데이터 불균형을 다루기 위해 크기 제어 종양 합성 방법을 학습 파이프라인에 통합하고, 서로 다른 데이터 분포에서 분할 성능을 유지하기 위한 비지도 도메인 적응 연구도 병행하였습니다. 최근에는 희소 질환의 실전 적용을 염두에 두고 합성과 분할·탐지를 통합하는 흐름으로 발전하였습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

희소 복부 질환의 자동 스크리닝 보조
저자원 데이터용 병변 분할 학습 프레임워크
오탐 억제를 포함한 병변 탐지 파이프라인
영상 획득 조건 변화에 대한 분할 강건화
크기 불균형 완화를 위한 합성 데이터 생성
CT 기반 병변 후보 영역 생성 모듈
PET-CT 연계 진단 지원을 위한 다중 입력 구성
임상 판독 워크플로우용 결과 후처리
장기·병변 동시 모델링 확장
다른 질환으로의 보조감독 전이 전략