방광 용적 평가는 비뇨기 질환 관리에 있어 매우 중요하다. 초음파 영상(US)은 방광 관찰 및 용적 측정을 위한 비침습적이고 비용 효율적인 영상 모달리티로 선호된다. 그러나 초음파 영상의 평가는 전문 지식 없이 수행하기 어렵기 때문에, US의 높은 검사자 의존성은 주요한 과제로 남아 있다. 이러한 문제를 해결하기 위해 영상 기반 자동 방광 용적 추정 방법들이 도입되었으나, 대부분의 기존 방법은 포인트-오브-케어(POC) 환경에서 사용할 수 없는 고복잡도 연산 자원을 요구한다. 따라서 본 연구에서는 저자원 시스템온칩(SoC)에서 최적화된 경량 합성곱 신경망(CNN) 기반 분할 모델을 이용하여 POC 환경용 딥러닝 기반 방광 용적 측정 시스템을 개발하였다. 이 모델은 초음파 영상에서 방광 영역을 실시간으로 검출하고 분할하도록 설계되었으며, 저자원 SoC에서 최적화되었다. 제안된 모델은 높은 정확도와 견고성을 달성하였고, 저자원 SoC에서 초당 7.93 프레임으로 실행 가능하였는데, 이는 정확도 저하가 미미한(다이스 계수의 0.004) 기존 네트워크의 프레임 레이트보다 13.44배 빠른 성능이다. 또한 개발된 경량 딥러닝 네트워크의 타당성은 조직 모사( tissue-mimicking ) 팬텀을 사용하여 입증하였다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.