FDG PET/CT 기반 폐암 영상분할과 딥러닝 보조 정량화 연구

Deep Learning-Assisted Quantification for Lung Cancer Segmentation in FDG PET/CT

연구 내용

FDG PET/CT 영상에서 폐 병변 영역을 자동으로 분할하고 정답 기반 성능을 검증하여 핵의학 영상 정량분석을 위한 딥러닝 기반 연구

본 연구는 [18F]FDG PET/CT에서 폐암 병변을 대상으로 분할 정확도를 높이는 데 목적이 있습니다. 2단계 딥러닝 접근을 통해 전체 영상에서 병변 후보를 먼저 추정한 뒤 정밀 분할로 이어지도록 설계하여, 의료 영상에서 라벨(ground truth)과의 일치성을 향상시키는 방향으로 수행합니다. 또한 영상분할의 평가 지표를 이용해 재현성과 성능 검증을 체계화하여 핵의학 영상 기반 임상 해석을 지원하는 차별성을 확보합니다.

관련 프로젝트

0건

연구 흐름

초기에는 PET/CT에서 병변 분할을 위한 입력 전처리와 학습 파이프라인을 구성하고, ground truth를 기준으로 분할 성능을 검증하는 연구를 수행했습니다. 이후 2022년에는 2단계 딥러닝 구조로 후보 추정과 정밀 분할을 단계적으로 결합하는 접근을 적용하여, 폐 병변 영역의 일관된 분할 결과를 확보하는 방향으로 발전했습니다. 현재는 이러한 분할 기반 정량화 역량을 임상 활용 가능 형태로 확장하기 위한 후속 검증을 병행하는 단계입니다.

활용 가능성

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

폐암 병변 자동 분할
PET/CT 기반 치료반응 정량화 보조
영상 판독 워크플로우 자동화
다기관 데이터 학습 파이프라인
세그멘테이션 품질관리 지표 체계화
표적부위 추적을 위한 기준 데이터 생성
환자별 병변 면적 기반 위험도 보조
영상 데이터 후처리 표준화 도구
의료 AI 기반 임상 의사결정 보조
핵의학 영상 연구용 정답 데이터 확장