다중 트레이닝 기법을 이용한 MASK R-CNN의 초음파 DDH 각도 측정 진단 시스템 연구

Abstract

Recently, the number of hip dysplasia (DDH) that occurs during infant and child growth has been increasing. DDH should be detected and treated as early as possible because it hinders infant growth and causes many other side effects In this study, two modelling techniques were used for multiple training techniques. Based on the results after the first transformation, the training was designed to be possible even with a small amount of data. The vertical flip, rotation, width and height shift functions were used to improve the efficiency of the model. Adam optimization was applied for parameter learning with the learning parameter initially set at 2.0 x 10e-4. Training was stopped when the validation loss was at the minimum. No significant difference in angle measurements was found between the model and doctor. The differences in the maxi-mum, minimum, and mean base angles were 6.93, 0, and 1.81 degrees, respectively. The differences in the maximum, minimum, and mean α angle were 19.78, 0.01, and 3.56 degrees, respectively. The differences in the maximum, minimum, and mean β angle were 25.92, 0.01, and 4.51 degrees, respectively A novel image overlay system using 3D laser scanner and a non-rigid registration method is implemented and its accuracy is evaluated. By using the proposed system, we successfully related the preoperative images with an open organ in the operating room.

최근 영유아 성장기에 발생하는 고관절 이형성증 (Developmental Dysplasia of Hip, DDH)의 숫자가 늘어나고 있다. DDH는 영유아 성장을 방해하고 다른 부작용도 많이 발생시키기 때문에 최대한 조기에 발견하여 치료해야 한다. DDH의 표준 검진 방법은 Ultrasonography (US)를 활용하는 것이다. 하지만 US는 의사의 숙련도에 따른 판독 결과에 차이가 발생할 수 있다. 또한 US의 화질에 따라 DDH 단계를 정의하는 데도 많은 숙련도가 필요하다. 의사의 숙련도를 높이기 위해서는 많은 환자사례를 접하고 대용량의 초음파 사진을 확보해야 한다. 하지만 영유아의 특성상 촬영 중 움직임이 많기 때문에 실제로는 촬영 사진 중 2~10% 정도만이 유의미한 사진으로 활용이 가능하다. 현재는 초음파 영상에서 DDH를 판단하기 위해 유의미한 사진으로 의사가 초음파 영상 판독을 위하여 Acetabulum-Femoral head의 angle 등의 수치 값을 이용한다. 하지만 이 방법은 의사가 직접 수동으로 작업하기 때문에 오차가 많이 발생하게 된다. 최근 들어 Convolutional Neural Networks (CNN) 및 개선된 Resnet50을 활용한 머신러닝 기법이 초음파 영상 분석에 많이 활용되고 있다. 연구결과를 보면 컴퓨터 보조 이미지 분석이 의료현장에서 객관성과 생산성을 크게 향상시키고 있다. 이는 정형외과에서의 난제인 초음파 영상을 통한 DDH 컴퓨터 보조 진단 알고리즘에도 충분히 활용될 수 있다는 것을 보여주고 있다.

본 논문에서는 CNN을 활용하여 DDH를 자동으로 측정하고 진단할 수 있는 컴퓨터 보조 진단 알고리즘을 제안하였다. DDH 측정을 위해 유아 고관절의 정상/비정상 판독을 위해 Acetabulum-Femoral head의 angle을 자동으로 계산하였으며 기존 영상을 딥러닝하여 진단을 자동으로 하는 컴퓨터 보조진단 알고리즘을 설계하고 성능을 분석하였다. 실험결과 알고리즘의 임상적 유효성 및 적용 가능성을 확인하였다.