Deep learning for ovarian cancer diagnosis using pelvic ultrasound with segmentation and clinical data fusion
연구 내용
난소 종양에서 양성-악성을 정밀하게 구분하기 위해 골반 초음파 영상을 분할하고, 나이 및 CA-125와 같은 임상 정보를 결합해 분류 정확도를 개선하는 연구
본 연구는 골반 초음파 영상을 활용해 난소 종양의 양성-악성 감별을 수행합니다. 영상에서 낭성 및 고형 성분을 분할한 뒤, CNN 기반 특징 추출 모델을 통해 분류 성능을 높이고자 합니다. 또한 영상 특징만으로 부족한 부분을 보완하기 위해 나이와 CA-125 같은 임상 정보를 함께 입력하는 구조로 설계합니다. 기존 단일 입력형 모델 대비, 분할 정보와 임상 변수를 결합하여 예측 신뢰도를 개선하는 데 초점을 둡니다.
관련 연구 성과
관련 논문
2편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기에는 난소 초음파 이미지에서 고형 성분을 중심으로 분할 가능한 전처리 절차를 정립하고, CNN 기반 특징 추출 모델의 학습 전략을 구축했습니다. 이후 ResNet 계열과 DenseNet 계열과 같은 분류 네트워크를 비교하여 영상 단독 성능의 한계를 확인했습니다. 다음 단계에서는 분할된 고형 성분 영상과 임상 변수(나이, CA-125)를 결합하는 구조로 확장하여 감별 성능을 향상시켰습니다. 최근에는 다기관 후향 자료 기반으로 재현성과 일반화 가능성을 검토하고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Pelvic ultrasound-based deep learning models for accurate diagnosis of ovarian cancer: Retrospective multicenter study.
Pelvic ultrasound-based deep learning models for accurate diagnosis of ovarian cancer: retrospective multicenter study