X-ray는 접근성과 비용 효율성으로 인해 골 종양의 초기 진단에 가장 널리 사용되는 영상의학적 검사이다. 그러나 양성 골 종양을 대상으로, 특히 시간 경과에 따른 크기와 형태의 진행을 평가하는 데 있어서는 종단적 비교가 전반적으로 수작업과 주관성에 의존해 온 실정이다. 본 연구에서는 X-ray 영상으로부터 BBT를 자동으로 탐지, 분할하고 시간 순차적 분석을 가능하게 하는 딥러닝 기반 프레임워크 FusionX-BBTNet을 제안한다. 이 프레임워크는 YOLO 기반 객체 탐지와 U-Net 분할을 결합하며, 윤곽 정확도를 향상시키기 위해 새로운 웨이블릿 강화 데이터셋을 활용한다. 실제 환경에서의 정량화를 가능하게 하기 위해 OCR 기반 모듈을 사용하여 X-ray 스케일 바를 추출하고 픽셀-길이 변환 비율을 계산한다. 이를 통해 종양의 크기와 면적을 밀리미터 단위로 산출하고, 중심점(centroid) 기반 정렬을 통해 시간 경과에 따른 변화를 시각화한다. 제안한 방법은 전문가가 주석을 달아 만든 466장의 X-ray 이미지 데이터셋에서 검증되었으며, 평균 IoU 0.9376과 경계 F1 점수 0.9827을 달성하였다. 이 방법은 신뢰할 수 있는 종양 위치 파악 및 측정을 제공함과 동시에, 직관적인 형태 및 면적 비교를 통해 임상 의사결정을 지원한다. 본 접근은 특히 방사선학적 전문 지식이 제한된 환경에서 전문가의 해석을 보완하고 진단 효율을 개선할 잠재력이 있다.

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