위장관 내시경 다중 클래스 분할 기반 병변 구조 분석 연구

Multiclass Segmentation of Gastrointestinal Lesions Using U-Net Research

연구 내용

U-net 기반 다중 클래스 분할 모델로 위장관 내시경 영상의 병변 영역을 정밀하게 분할하여 구조적 특징 기반 분석을 수행하는 연구

위장관 질환의 병변 경계와 내부 구조를 정량화하기 위해 U-net 기반 분할 모델을 적용합니다. 다중 클래스 라벨을 학습에 반영하여 영상 내 서로 다른 병변 유형을 구분하고, 픽셀 단위 예측을 통해 정밀한 영역 마스크를 생성합니다. 분할 결과는 추후 질환 분류나 병변 크기·형태 기반 특징 추출의 입력으로 사용될 수 있어, 탐지 단계 이후의 임상 해석 가능성을 높이는 설계가 포함됩니다.

관련 프로젝트

0건

연구 흐름

초기에는 위장관 내시경 영상에서 병변을 단일 영역으로 단순화하지 않고 다중 클래스 분할로 표현하는 접근을 수행하였습니다. U-net 구조를 사용하여 입력과 출력 간 공간 정보를 유지하는 학습 구성을 마련하고, 병변 유형별 영역 마스크 생성 성능을 확보했습니다. 이후 객체 탐지와의 연계를 고려하여, 병변 중심 정보가 필요한 후속 연구 단계로 확장하는 흐름을 유지하고 있습니다.

활용 가능성

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

병변 경계 정량화
다중 클래스 병변 지도 생성
병변 형태 특징 추출
분할 기반 위험도 지표 산출
검출 결과 보정 및 정제
내시경 품질 관리용 세그멘테이션 평가
치료 전후 병변 크기 비교
임상 판독 보조 시각화
후속 분류 모델 입력 마스크 생성
데이터 증강 및 라벨링 전략 검증