흉부 X선 기반 기흉 검출을 위한 의료영상 딥러닝 및 영상 포맷·대비 영향 분석 연구
Deep Learning for Pneumothorax Detection with Chest Radiography and Analysis of Contrast/Format Effects
연구 내용
흉부 X선에서 대비 수준과 영상 포맷에 따른 딥러닝 기흉 검출 성능 변화를 정량적으로 평가하고, 신뢰도 높은 판별을 위한 영상 입력 조건을 도출하는 연구
흉부 X선 영상에서 기흉을 자동으로 탐지하기 위해 딥러닝 기반 분류 모델을 구성하고, 대비 수준과 영상 포맷 변화가 입력 특성과 모델 판별에 미치는 영향을 분석합니다. JPEG 등 압축 기반 포맷에서 발생하는 정보 손실이 특징 추출과 일반화에 미치는 영향을 고려하며, 영상 품질 변화에 따른 성능 저하 양상을 Receiver operating characteristic 기반으로 비교합니다. 이를 통해 영상 획득·저장 환경 차이에도 재현 가능한 진단 보조 모델 구현을 지향합니다.
관련 연구 성과
관련 논문
1편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기에는 흉부 X선 영상 입력의 대비 수준과 저장 포맷 차이가 모델 학습과 추론에 미치는 영향을 확인하는 데 집중했습니다. 이후 딥러닝 기반 기흉 검출 파이프라인을 정립하고, 동일 문제에서 영상 형식 변화에 따른 성능 변동을 실험적으로 검증했습니다. 최근에는 모델의 판별 기준을 성능 지표로 일관되게 비교하여, 영상 입력 조건 선택과 시스템 적용 가능성을 함께 평가하는 방향으로 연구를 수행하고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
- 흉부 질환 자동진단 보조
- 영상 대비 조건 최적화
- JPEG 압축 영향 평가
- 영상 품질 기반 데이터 전처리 설계
- 임상 환경 이식성 평가 체계
- ROC 기반 진단 성능 비교
- 영상 저장·전송 표준화 지침
- 저품질 입력에서의 견고성 개선
- 판독 워크플로우 통합 보조도구
- 재현성 중심 모델 검증 프로토콜
관련 논문
구분
제목
Effect of Contrast Level and Image Format on a Deep Learning Algorithm for the Detection of Pneumothorax with Chest Radiography