사물인터넷(IoT), 빅데이터, 인공지능(AI)은 모두 디지털 의료 서비스의 형성과 구현에 영향을 미치는 핵심 기술이다. 첨단 센서와 AI 기반 인사이트를 결합한 Internet of Medical Things(IoMT) 시스템을 구축하는 것은 지능형 의료 시스템을 위해 중요하다. 본 논문은 사람의 임상 환경에서 발생하는 진단 및 치료 과정의 불가피한 오류를 줄이기 위해, 뇌 자기공명영상(MRI) 분석을 위한 IoMT 프레임워크를 제시한다. 이는 뇌 미세출혈(cerebral microbleeds, CMBs)을 정확히 검출하기 위한 것이다. 정확한 CMB 검출의 문제점은 CMB가 지름 5–10 mm의 작은 점 형태라는 점이며, 건강한 조직과 유사하고 식별이 극히 어려워 원격 및 의료 기반이 취약한 의료기관에서 전문적인 지도의 필요성이 요구된다는 것이다. 둘째, 기존 연구에서 컴퓨터 보조진단(computer-aided diagnostic, CAD) 시스템은 정확한 CMB 검출을 위해 설계되어 있으나, 제안된 접근은 2단계로 구성된다. 첫 단계에서 전체 MRI 영상으로부터 잠재적 후보 CMB를 선별한 다음, 이를 거짓양성(false-positive) 감소 단계로 전달한다. 이러한 전처리 및 후처리 단계는 사람의 개입 없이도 결과를 산출할 수 있는, CMB를 위한 완전 자동화 CAD 시스템을 구축하기 어렵게 만든다. 따라서 본 연구의 핵심 목표로서, IoMT 기기에서 효과적인 CMB 검출 및 분할을 위한 end-to-end 향상 UNet 기반 모델을 제안한다. 제안된 시스템은 CMB 분할을 위한 전처리 또는 후처리 단계가 필요 없으며, 기존 연구에서는 전체 MRI 영상 입력으로부터 각 CMB 픽셀을 국소화(locate)하는 작업을 수행하지 않는다. 그 결과, 제안된 방법은 대조도 변이와 다른 정상 조직과의 유사성이 존재하는 상황에서도 CMB 검출에서 우수한 성능을 보였고, dice 점수 0.70, 정확도 99 %, 거짓양성률 0.002 %를 산출하였다. © 2017 Elsevier Inc. 판권 소유.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.