연하 동안의 시간적 매개변수는 비디오투시 연하검사(videofluoroscopic swallowing studies, VFSS)를 객관적이고 정량적으로 평가하기 위해 분석된다. 임상의에 의한 수기 분석은 해석 과정에서 시간이 많이 소요되고 복잡하며 인간의 오류가 발생하기 쉬우므로, 딥러닝을 이용한 자동 분석이 시도되어 왔다. 본 연구의 목적은 딥러닝을 이용하여 연하의 다양한 시간적 매개변수를 자동으로 측정하는 모델을 개발하는 데 있다. 전체 547개의 VFSS 비디오 클립을 포함하였다. 두 명의 재활의학과 전문의가 근거자료(ground-truth data)로서 7개의 시간적 매개변수를 수기로 측정하였으며, 구강기 지속시간, 인두 지연시간, 인두 반응시간, 인두 통과시간, 후두 전정(vestibule) 폐쇄 반응시간, 후두 전정 폐쇄 지속시간, 상부식도괄약근 개방 지속시간이 이에 해당한다. 시간적 매개변수의 딥러닝을 위한 기본 모델로 ResNet3D를 선택하였다. ResNet3D 변형들의 성능을 기존에 사용되었던 VGG 및 I3D 모델과 비교하였다. 제안된 ResNet3D 변형들의 평균 정확도는 0.901에서 0.981 범위였다. F1 점수와 평균 정밀도는 각각 0.794에서 0.941, 0.714에서 0.899 범위였다. VGG 및 I3D 모델과 비교할 때, 본 모델은 정확도, F1 점수, 평균 정밀도 값의 측면에서 가장 우수한 결과를 달성하였다. 이 자동화 모델을 임상적으로 적용함으로써 VFSS의 시간적 분석은 더 쉽고 더 정확해질 것이다.

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