중이·고막·흉부 X-ray 의료영상에서 이상진단을 고도화하는 연구

Improving Diagnostic Support via Medical Imaging for Otitis and Anomaly Detection

연구 내용

고막 내시경과 흉부 X-ray에 대해 전처리 최적화와 비지도 이상탐지·영상 합성 모델을 결합해 진단 보조 성능을 높이는 연구

이비인후과 영상 진단에서는 라벨 의존 학습의 한계와 데이터 수집의 제약이 진단 보조 성능에 영향을 줍니다. 연구에서는 고막 내시경 영상에서 정상 분포만 학습하는 비지도 이상탐지를 수행하고, Adaptive Histogram Equalization 및 에지 기반 전처리로 영상 표현을 안정화하여 VAE 기반 이상점수 산출을 강화합니다. 또한 실사용 촬영 조건이 열악한 신생아 흉부 X-ray에서는 대비 향상 과정의 하이퍼파라미터를 Bayesian optimization으로 자동 선택하여 분류 모델 학습 품질을 개선합니다. 최근에는 관측 네트워크를 결합한 cooperative GAN 방식으로 이상탐지의 확장성을 검토합니다. 이를 통해 임상 적용을 고려한 전처리-학습 연계 전략을 구현합니다.

관련 프로젝트

0건

연구 흐름

초기 연구는 고막 내시경 영상에서 비지도 이상 탐지의 적용 가능성을 확인하기 위해 정상 분포 학습 기반 VAE 구조와 전처리(AHE, Canny)를 결합하는 접근으로 시작되었습니다. 이후에는 중이염 진단에서 AI가 어떤 방식으로 의료영상과 결합되는지 체계적으로 정리하는 서베이를 수행하여 연구 방향을 확장했습니다. 최근에는 신생아 흉부 X-ray의 열악한 영상 품질 문제를 해결하기 위해 CLAHE의 하이퍼파라미터를 Bayesian optimization으로 자동화하는 전처리 최적화 연구를 진행했습니다. 이어 협력 관측 네트워크를 이용한 cooperative GAN 기반 이상탐지로, 실제 환경에서의 성능 향상 가능성을 탐색하고 있습니다.

활용 가능성

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

고막 내시경 이상탐지 보조
정상 분포 기반 진단 보조
전처리 자동화 기반 모델 성능 개선
저품질 흉부 X-ray 분류 고도화
신생아 영상 진단 지원
라벨 부족 환경 대응
임상 데이터 프라이버시 제약 대응
실시간 이상 점수 산출 파이프라인
다기관 일반화 전처리 전략
영상 기반 진단 워크플로 통합