본문 바로가기 사이드메뉴 바로가기 주메뉴 바로가기

주메뉴영역

주메뉴영역

혁신으로 세상을 바꾸는 융복합 대학, DIGIST
Innovative University Changing the World through Convergence
이 페이지를 SNS로 퍼가기

Research

CT영상을 분석해 코로나19의 폐렴 진단하는 인공지능 모델 개발

  • 조회. 287
  • 등록일. 2021.09.30
  • 작성자. 대외협력팀

DGIST 박상현 교수팀 & 영남대병원 안준홍 교수팀, CT영상으로 세균성폐렴과

COVID-19 환자 폐렴 분류하는 딥러닝 기술 개발

인공지능을 활용한 폐렴 진단 분야 발전에 획기적 기여 예상돼

 

[DGIST 로봇공학전공 박상현 교수(우)와 필립 치콘테(Philip Chikontwe) 박사과정생(좌)]

 

 DGIST(총장 국양) 로봇공학전공 박상현 교수팀이 영남대병원 안준홍 교수팀과 CT영상 내에 주요 병변들을 확인해 분간이 어려운 세균성폐렴과 코로나 환자를 자동으로 분류해줄 수 있는 딥러닝 모델을 개발했다. 향후 코로나19로 인해 발생하는 폐렴 뿐 아니라 여러 폐렴 진단에 획기적인 기여가 기대된다.

 폐렴이 악화되면 의사들은 CT 영상을 통해 환자의 상태를 살핀다. 덩달아 정확한 CT 영상 분석을 위한 딥러닝 기술 적용 연구가 활발하지만 코로나19 폐렴과 세균성 폐렴을 정확히 구분하는 것엔 한계가 있어왔다. 특히, 두 폐렴의 차이가 미미하고, 3차원 영상 내의 병변들을 일일이 확인하고 분류하는 것이 어려워, 최근 여러 분야에서 좋은 성능을 보이는 딥러닝 모델들도 성능이 제한적이었다.

 이에 박상현 교수팀은 3차원 영상 내의 병변들을 일일이 확인하지 않더라도 인공지능이 자동으로 CT 영상 내 주요 병변들을 주목하여 분류를 수행할 수 있는 모델을 새롭게 제안했다. 박상현 교수팀은 여러 사례들을 통합적으로 고려해 최종 결정을 내리는 문제에 사용되던 다중인스턴스학습(Multiple Instance Learning)을 활용, 새로운 딥러닝 모델을 개발했다.

 이 때, 모델의 성능 향상을 위해 CT 영상에서 폐렴 병변들의 위치를 집중적으로 확인할 수 있는 ‘Attention 모듈을 접목시켰다. 추가적으로 비지도학습 기반의 Contrastive Learning을 이용해 환자별 특징 추출 성능을 극대화 시켜, 새롭게 개발한 모델의 분류성능을 크게 개선했다.

 새롭게 개발한 딥러닝 모델은 코로나19 진단에 있어 최종적으로 98.6%의 정확도를 보였으며, 기존에 제안됐던 다른 다중인스턴스학습 기법들의 성능을 크게 웃돌았다.

 DGIST 로봇공학전공 박상현 교수는 이번 연구를 통해 개발한 모델은 코로나19 진단 성능을 크게 향상시켜 주었을 뿐만 아니라, 다중인스턴스학습 인공지능 분야에도 큰 개선을 보인 모델이다, “팬데믹 극복에 기여할 수 있을 것으로 기대되고, 향후 관련 기술을 좀 더 개선한다면 다양한 폐렴 진단에 활용될 수 있을 것이라 말했다.

 한편, 이번 연구 결과는 그 우수성을 인정받아 의료영상분석 관련 분야 최상위 저널인 ‘Medical Image Analysis’20218월 게재됐다.

 

 

· · ·

 

연구결과개요

 

Dual attention multiple instance learning with unsupervised complementary loss for COVID-19 screening

Philip Chikontwe, Miguel Luna, Myeongkyun Kang, Kyung Soo Hong, June Hong Ahnb, Sang Hyun Park

(Medical Image Analysis, on-line published on May 24th, 2021)

 

팬더믹 극복에 기여하고자 CT영상을 활용한 코로나19 진단 및 분석에 딥러닝 기술을 적용하는 연구가 활발히 진행되고 있다. 하지만 코로나19 폐렴과 일반 폐렴의 차이는 미미하며, 의사가 충분한 시간을 투자해 병변 표시할 수 없기에 기존 딥러닝 모델은 낮은 성능을 보이고 있다.

본 연구에서는 여러 이미지를 입력 받아 한 개의 라벨을 예측하는 다중인스턴스학습(Multiple Instance Learning)을 활용해 코로나19와 세균성폐렴을 진단하는 모델을 제안한다. 3차원 CT영상을 효과적으로 분석하기 위해 주요한 슬라이스와 병변의 위치를 집중해서 확인해줄 수 있는 Attention 모듈을 다중인스턴스학습 기법에 접목했다. 또한 비지도학습기반 contrastive learning을 이용하여 환자별 특징 추출 성능을 극대화한 부분도 분류성능 개선에 큰 도움을 주었다. 제안하는 기법을 통해 최종적으로 98.6%의 정확도를 보이는 코로나19 진단 모델을 개발했다.

 

 

· · ·

 

연구결과문답

Q. 이번 성과 무엇이 다른가?

CT영상을 활용하여 코로나19와 세균성폐렴을 진단하는 기존의 연구들은 병변별로 레이블링이 되지 않은 경우 낮은 정확도를 보인다. 이번 연구는 3차원 CT영상의 주요한 슬라이스와 병변의 위치를 집중해서 확인해줄 수 있는 Attention 모듈을 다중인스턴스학습 기법에 접목했으며 비지도학습기반 contrastive learning을 이용하여 환자별 특징 추출 성능을 극대화했다. 위 기법을 통해 최종적으로 98.6%의 정확도를 보이는 코로나19 진단 모델을 개발했다.

Q. 어디에 쓸 수 있나?

제안한 기술은 세균성폐렴환자와 코로나 19환자를 구분하는 문제에 적용되었지만 추후 다양한 폐렴환자를 진단하는 문제에 활용할 수 있을 것으로 기대된다. 기술적으로는 충분한 레이블링이 제공되지 않은 학습 데이터셋을 활용해 딥러닝 모델을 학습할 때 본 연구에서 고안된 모델을 사용할 수 있다.

Q. 실용화까지 필요한 시간과 과제는?

본 연구에서 제안한 모델을 실제 의료현장에서 사용하기까지는 다양한 병원에서 수집한 데이터로 학습 및 검증작업을 진행해야 한다. 다양한 병원에서 수집한 데이터에서도 좋은 성능을 보임을 검증하는 것이 실용화까지의 가장 큰 과제이다.

Q. 연구를 시작한 계기는?

의사가 충분한 시간을 두고 많은 양의 데이터을 라벨링하거나, 병변의 위치를 표시하면 높은 정확도를 보이는 딥러닝 모델을 개발 할 수 있다. 하지만 팬더믹과 같은 상황에서는 의사가 충분한 시간을 투자해 학습 데이터셋을 구축할 수 없다. 따라서 의사의 최소한의 노력으로 구축된 학습데이터셋을 활용해 높은 성능을 보이는 딥러닝 모델을 제안할 필요가 있었다.

Q. 어떤 의미가 있는가?

의료영상분석 인공지능을 개발할 때 질적으로 우수한 학습 데이터셋를 구축하기 어려운 경우가 많다. 본 연구에서 고안된 모델은 데이터 구축이 어려운 다양한 의료인공지능 개발에 활용될 수 있을 것으로 기대된다.

Q. 꼭 이루고 싶은 목표는?

다양한 병원에서 수집한 데이터에서도 높은 성능을 보이는 폐렴 진단 모델을 개발해 중증환자들이 꼭 필요한 조치를 받을 수 있도록 하는 것이 목표이다.

 

 

· · ·

 

그림설명

[그림 1] DGIST 박상현 교수 연구팀이 고안한 모델 구조


(그림설명) 본 연구에서 제안한 모델 구조
 
 

 
콘텐츠 담당 담당부서  :   대외협력팀 ㅣ 053-785-1135