우리는 안와 컴퓨터 단층촬영(CT) 영상의 소규모 데이터셋에서 이상 안구운동근을 검출하기 위해 3차원(3D) 변분 오토인코더(variational autoencoder, VAE) 모델을 기반으로 하는 비지도 학습 알고리즘을 확립하고자 하였다. 정상 안와 334개와 갑상선 안병증(thyroid eye disease)으로 진단된 비정상 안와 96개를 훈련 및 검증에 사용하였으며, 시험에는 정상 안와 24개와 비정상 안와 11개를 사용하였다. 3D VAE를 개발하고 학습하였다. 모든 영상은 안구운동근을 강조하고 배경 잡음을 억제하도록 전처리하였다(예: 뼈에서 비롯된 높은 신호 강도). 최적의 절단값은 수신자 조작 특성(receiver operating characteristic, ROC) 곡선 분석을 통해 확인하였다. 모델이 비정상 크기의 근육을 검출하는 능력은 시각화를 통해 평가하였다. 모델은 민감도 79.2%, 특이도 72.7%, 정확도 77.1%, F1-score 0.667, AUROC 0.801을 달성하였다. 모델이 정확히 식별한 비정상 CT 영상은 안구운동근의 재구성에서 차이를 보였다. 제안된 모델은 의사가 사용하는 진단 접근과 유사하게, 소규모 데이터셋을 이용한 안구운동근의 이상 검출에 대한 잠재력을 보였다. 비지도 학습은 주석(annotation)이 어렵거나 불가능한 의학 영상 연구에서 대안적 검출 방법으로 활용될 수 있다.

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