가독세트산 강화 MRI의 딥러닝 기술에 의한 간기능 지표 추출과 임상 이종 데이터 융합으로 만성 간질환 환자의 중증도와 예후 예측 모델 개발

1. 데이터확보(의료영상: CT, 대장내시경, 및 Ground truth) - 이종데이터를 활용한 인공지능 기반의 대장암 검출 기술 개발을 위해 대용량 데이터 확보. 복부 CT 및 대장내시경 내 대장암군 500건, 정상군 500건 - 전문의에 의한 정밀한 복부 CT 및 대장내시경 내 대장암 annotation 수집 (*active learning) - 데이터의 무결성 검증 및 익명화 작업을 통한 개인 정보 보호화 2. 이종데이터를 활용한 딥러닝 기반의 대장암 검출 기술 개발 - 대장내시경내 특이점을 고려한 대장내 위상분류 및 대장암 검출 기술 개발 - 복부 CT내 위상분류 및 대장암 검출 기술 개발 - 이종간 데이터 융합정보 활용 앙상블 알고리즘 개발 * 학습은 이종 데이터 별로 70:10:20 (train, tuning, 과 test) 분리하여 진행을 함 * 이종 데이터간의 융합정보를 활용을 위해 각 데이터의 위상정보 (레이블링/정답)를 기준으로 parallel 한 형 태의 convolution neural network를 구성하여 학습을 함 * Self supervised or weak label 기반의 대장 내시경내 대장암 진단 기술과 기존 네트워크9,13 에서 변형된 복부CT의 대장암 검출을 위한 딥러닝 기반의 알고리즘을 구성하여 앙상블 형태의 퓨전 알고리즘을 개발하여 진단의 성능 정확도를 높이도록 진행할 예정 * 위상 정보와 이종 데이터의 진단 알고리즘을 결합하여 FP rate을 줄이고 대장암의 recall을 향상시킴 * loss function은 dice coefficient, cross entropy, boundary loss function 등을 활용. * batch normalization or instance normalization을 활용 * 인공지능 학습은 Titan RTX (24GB)을 포함하는 서버급 컴퓨터내 24GB GDDR5, 메모리 대역폭 346GB/sec, 최대 소비전력 250W로 구성된 NVIDIA Quadro RTX (40GB) 1개 or Titan RTX (24GB) 3대 기반 서버를 보유하고 있어 다양한 형태의 학습 알고리즘 설계와 개발을 할 계획임. 또한 이식성과 쉽고 빠르게 개발할 수 있는 Keras (tensorflow) or pytorch (3.xx 이상) 기반의 플랫폼을 구성 하여 추가적으로 loss, accuracy 그래프를 보며 학습 과정을 분석하려고함 * 전체 데이터 셋에서 20%는 internal validation (고려대 안암병원)으로 초기 평가 진행 후 external validation (고려대 구로병원) 데이터와 오픈데이터 (MICAAI2018-DECAHTHLON)) 활용하여 평가 * 3차년 도의 임상평가를 위한 사전 작업을 위해 2차년 도는 임상 평가전 알고리즘의 전체적인 평가를 1차적으로 평가 진행. 3차년 도의 임상평가를 위해 전문의에 의한 데이터 선별 작업 및 새로운 IRB 과정을 진행 3. 인공지능 기반의 대장암 검출 기술에 대한 평가 및 임상 평가 - 임상시험을 위한 데이터 구축 및 데이터 검증(CT: 대장내 상행결장/횡행결장/하행결장/구불결장/직장별 데이터 수집) - 딥러닝 기반의 알고리즘 평가(대장암 진단 성능 recall / 위상분류 정확도 / 융합정보활용 대장암 진단 성능 recall) - 영상의학과와 내과 전문의를 통한 진단능 평가 * 실제 영상 전문의에 의한 visual testing을 통해 딥러닝 기반의 기술을 간접 비교하고자 함 * 이종 데이터의 대장암을 포함하는 난이도별 (상중하)로 구분하여 진행 * 이종 데이터의 정상만 포함하는 난이도별 (상중하)로 구분하여 진행 - 대장암 진단을 위한 웹어플리케이션 시스템 구축 * 이종데이터를 활용한 대장암 진단 솔루션을 구축 * 웹기반으로 개발하여 영상의과 내에서 사용자(영상의) 편의성을 고려하여 개발 * 추후 진단보조 시스템으로 구축