흉부 영상 기반 폐질환 진단·예후예측을 위한 인공지능 및 영상정량 연구

AI and Quantitative Imaging Research for Pulmonary Disease Diagnosis and Prognosis Using Chest Imaging

연구 내용

흉부 X-선 및 흉부 CT 기반 영상에서 특징을 추출하고 전이학습 기반 딥러닝 모델을 최적화하여 폐질환을 분류하며, 폐고혈압 조기진단과 예후예측을 위한 소프트웨어를 개발하는 연구입니다

흉부 영상의 진단 정보를 영상정량과 학습 기반 분류로 연결하는 연구를 수행합니다. 딥러닝에서는 동일한 CNN 백본에서 fine-tuning 정도와 레이어 깊이가 성능에 미치는 영향을 비교하여 제한된 데이터에서도 효율적으로 동작하는 전이학습 전략을 도출합니다. 동시에 폐고혈압 조기진단 및 예후예측을 목표로 컴퓨터단층촬영 기반 영상과 광학영상 정보를 결합하고 바이오마커 관점에서 모니터링 흐름을 설계합니다. 이를 통해 흉부 질환의 임상 적용을 위한 판독 보조와 예측 모델로 확장하는 차별성을 갖습니다.

관련 프로젝트

1건

연구 흐름

초기에는 흉부 X-선 영상에서 폐질환 관련 분류 문제를 설정하고, VGG-16과 VGG-19 백본을 활용하여 레이어 깊이와 fine-tuning 비율에 따른 전이학습 성능 변화를 비교하는 연구를 수행했습니다. 그 결과 제한된 데이터에서는 과도한 계층 학습이 항상 유리하지 않을 수 있음을 실험적으로 확인했습니다. 이후 2023년부터는 흉부 CT와 광학영상 기반 정보를 활용하여 폐고혈압 조기진단 및 예후예측을 지원하는 소프트웨어 개발로 확장했습니다. 최근에는 영상 입력–정량 지표–예후 예측의 연동을 중심으로 임상 의사결정 지원 체계를 구체화하는 방향으로 연구를 진행하고 있습니다.

활용 가능성

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

흉부 X-선 자동 진단 보조
전이학습 기반 영상 분류
레이어 깊이 최적화 전략
폐질환 모니터링 파이프라인
폐고혈압 위험도 예측
바이오마커 기반 판독 지원
소프트웨어 기반 임상 워크플로우
영상정량 지표 표준화
저데이터 학습 전략
임상 적용형 예측 모델 검증