인공지능 심층신경망을 이용한 코뼈 골절의 진단

Abstract

서론 : 코는 얼굴의 중심부에 위치하고 있으며 얼굴에서 외상의 빈도가 가장 높은 부위이다. 코뼈 골절의 진단은 전산화 단층 촬영 (CT)을 이용하는 것이 가장 정확도가 높지만, 모든 병·의원 및 응급실에 CT 시설이 갖추어져 있지는 않기 때문에 단순 엑스선 촬영도 진단에 많이 이용되고 있다. 코뼈 주위에는 여러 구조물들이 겹쳐져 있고 혈관과 신경이 지나다니는 통로들이 존재하기 때문에 단순 엑스선 촬영만으로 경험이 부족한 비 전문과 의사들이 진단하기가 어려운 경우가 흔히 있다. 제한된 숫자의 해당과 전문의가 즉시 모든 결과를 판독하는 것도 현실적으로 어려운 상황이다. 이러한 경우 해당과 전문의의 수준으로 학습된 심층 신경망을 개발해 임상에 적용한다면 의사들의 업무량을 줄일 수 있고, 오진으로 인해 발생할 수 있는 문제들을 방지하여 환자들에게 적절한 시기에 치료를 받게할 수 있을 것으로 생각된다. 본 연구에서는 두부의 단순 엑스선 영상 만으로 자동으로 1) 코뼈 골절 여부를 진단하고, 2) 골절 부위로 의심되는 곳을 표시해 줄 수 있는 복합적 딥러닝 모델을 개발하고자 하였다.

본론 : 총 2,312 장의 두부 측면 단순 엑스선 영상을 확보하였다 (한 사람 당 2장의 두부 엑스선 영상, 비골절 1,468장, 골절 844장). 두부 측면 엑스선에서 코뼈 부위만을 기계 학습에 이용하기 위해 코뼈의 위치를 라벨링 하였으며, 코뼈의 골절 여부를 라벨링 하였다. 데이터 증강 기법을 이용하여 데이터셋을 구축하였다. 본 연구의 목적을 달성하기 위하여 다음과 같은 4가지의 모델을 개발하였다. 1) 두부 엑스선 이미지로부터 코뼈의 영역을 자동 탐지하는 모델 (코뼈탐지모델, You Only Look Once version 5, YOLOv5), 2) 코뼈 골절 여부를 판단하는 모델 (Classifier, C 모델, EfficientNetB3), 3) 골절 엑스선 이미지로부터 비골절 엑스선 이미지를 생성하는 모델 (Generator, G모델, U-Net), 4) G 모델이 생성한 가상의 이미지가 자연스러운 엑스선 이미지 인지를 판별하는 모델 (Discriminator, D 모델, Convolutional Neural Network). 그리고 이 4가지의 모델을 복합적으로 사용하는 전체 딥러닝 모델을 구축하였다. 코뼈탐지모델의 결과로 두부 엑스선 이미지로부터 코뼈 영역만을 자동으로 추출할 수 있게 되었고, 추출된 영상은 일종의 전처리 과정으로서 다른 모델의 학습에 이용되었다. C 모델의 결과로 코뼈 단순 엑스선 영상으로부터 95%의 골절 여부 판단 정확도를 달성하였다. G-D-C 연결 모델의 결과로 코뼈 골절 의심 부위를 자동으로 예측하여 표시할 수 있는 모델을 개발하였다.

결론 : 상기 복합적 딥러닝 모델은 단순 엑스선 두부 영상에서 코뼈 부위를 탐지하여 코뼈 골절 여부를 비교적 정확하게 진단할 수 있었으며, 골절 부위를 탐지해 낼 수 있었다. 이를 이용하여 작은 규모의 병·의원, 군 야전 진료소, 원격의료, 수련의 교육 등에 활용될 수 있으며, 본 연구의 프레임워크를 확장함으로서 다양한 부위의 골절 진단에 활용이 가능할 것으로 생각된다.