배경: 발달성 고관절 이형성증(DDH)은 영유아에서 비교적 흔한 고관절 질환으로, 출생 1,000명당 1~3명 정도에 영향을 미친다. 조기에 발견되면 단순한 비침습적 방법으로 예방적으로 치료할 수 있다. 그러나 조기에 발견되지 않는 경우, 여러 수술적 시술이 필요할 수 있으며 이는 높은 경제적 부담을 초래할 수 있다. 초음파(US) 영상으로 진단의 정확성을 높이기 위해서는 영상 내에서 해부학적 랜드마크를 위치시키는 일이 매우 중요하다. 하지만 랜드마크의 정확한 위치를 결정하는 데에는 관찰자 내/관찰자 간 변이가 존재한다. 본 연구에서는 전이 학습 모델을 사용하여 다섯 랜드마크의 품질을 평가함으로써 골반 US 영상의 자동 스캔 품질 평가 시스템을 제안하였다. 방법: 대한민국(이하 한국)의 두 병원에서 1,891명의 대상자로부터 US 영상을 수집하였다. 또한 전이 학습 모델을 기반으로 한 앙상블 시스템을 개발하여 다섯 개의 해부학적 랜드마크에 대한 점수 부여를 통해 스캔 품질을 자동으로 평가하도록 하였다. 영상의 지리적 특성을 반영하는 모델이 적절하게 학습되었는지 확인하기 위해 gradient-weighted class activation mapping을 사용하였다. 실시간 환경에서의 적용 가능성을 고려하여, 본 연구에서는 스캔 품질 평가의 지연(lapse)이 개선된 것으로 알려진 대안적 순차 방법(ASM)을 제안한다. 결과: 선택된 모든 모델은 0.6 이상의 kappa 값을 달성하여 상당한 일치도를 보였으며, 총점에 기반하여 표준 영상을 분류하기 위한 AUC 점수는 0.89였다. 학습된 모델의 활성화 맵은 영상의 구조적 특징을 적절하게 반영하였다. 표준 이미지 분류를 위한 전체 순차 방법에서의 시간 지연은 이미지당 0.35초였고, 세 가지 버전(ASM-1, ASM-2, ASM-3)의 경우 각각 0.27, 0.22, 0.20초였다.

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