인공지능 기반 족부·보행 이상 진단 보조 및 초음파 검사 품질 자동평가

AI-Assisted Foot and Gait Disorder Diagnosis and Automated Ultrasound Scan Quality Evaluation

연구 내용

전이학습 기반 앙상블로 초음파 랜드마크 품질을 점수화하고, 족부질환·보행이상에서 라인검출과 각도측정으로 진단 보조 정보를 생성하는 연구

인공지능 기반 영상 해석을 통해 임상 검사 품질과 진단 보조 정확도를 동시에 개선하는 방향으로 연구를 수행합니다. 초음파 기반 DDH에서 랜드마크 위치 판정의 불확실성을 줄이기 위해 전이학습 모델들을 앙상블로 구성하고, 검사 이미지의 다섯 랜드마크 품질을 자동으로 점수화합니다. Grad-CAM을 이용해 모델이 영상의 구조적 특징을 반영했는지 확인하는 검증 절차를 포함합니다. 또한 연구과제에서는 족부질환과 보행이상을 대상으로 라인검출과 각도측정 기반 지표를 산출하는 AI 솔루션 개발을 수행하고 있습니다. 검사자 의존성을 줄이기 위한 품질관리와 정량 지표 생성이 결합된 형태입니다.

관련 프로젝트

1건

연구 흐름

DDH의 Graf method에서 alpha·beta 각 측정 시 핵심 포인트 정의와 분할 정확도 문제를 논의하며, 랜드마크 기반 접근의 정밀도 요구사항을 정리했습니다. 이후 초음파 이미지에서 랜드마크 품질을 자동 평가하는 전이학습 앙상블 시스템을 개발하여 표준 이미지 분류 성능과 추론 시간을 함께 고려했습니다. 최근에는 발목·족부 영역의 임상 적용을 확장하기 위해 보행이상 진단 보조 솔루션 개발 과제를 수행하고 있으며, 라인검출과 각도측정 기반 정량 지표로 임상 의사결정 지원을 목표로 하고 있습니다.

활용 가능성

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

족부·보행 이상 선별 모듈
라인검출 기반 각도 측정 자동화
초음파 검사 품질 자동 판정 시스템
랜드마크 기반 화면 표준화
DDH 조기 스크리닝 워크플로우
실시간 적용을 위한 앙상블 추론 스케줄
모델 학습 검증을 위한 Grad-CAM 해석 도구
검사자 의존성 저감 지표
데이터셋 품질 관리용 점수화 체계
영상 기반 진단 보조 리스크 관리