본문 바로가기

KIMM NEWS
[연구성과] 영상 의료 진단 장비, 빅데이터 딥러닝과 만나 더 똑똑해진다
  • 작성자관리자
  • 등록일2021.06.09
  • 조회수3,093


- 기계연, 초음파 영상 진단 장비에 머신러닝 더하기 -

- 진단 속도와 정확도 향상 두 마리 토끼 잡는다 -


과학기술정보통신부 산하 한국기계연구원(원장 박상진, 이하 기계연)이 영상 의료 진단 장비에 기계장비의 머신러닝 기술을 접목해 질병 진단 속도와 정확도를 모두 향상시키는 기술을 개발했다.

기계연 신뢰성평가연구실 박종원 실장 연구팀은 초음파 영상 진단 장비에 기계류 부품과 장비의 신뢰성 진단을 위해 활용해 온 빅데이터 딥러닝 기술을 적용하여, ‘머신러닝을 활용한 영상 진단 기술’을 개발하고, GPU(그래픽처리장치)를 이용하여 정확도 80% 수준의 진단에 성공했다.

연구팀은 기계 부품과 설비 신뢰성 검사를 위한 머신러닝 기법을 발전시키기 위해 풍부한 영상 데이터를 보유하고 있는 의료분야 연구진과 협력을 모색해왔다. 최근 의학 분야에서도 심장 및 뇌질환 관련 질병을 조기에 진단하기 위해 초음파 영상과 컴퓨터 단층촬영, 자기공명영상 등과 같은 진단영상 기반 머신러닝 기술을 활발하게 적용하고 있다.

연구팀은 의료 영상 진단 기술 발전에 관심을 갖고 있는 대전성모병원 심장내과 연구진과 함께 뇌경색 환자의 대동맥 동맥경화 진단을 위한 영상 분석에 착수했다.머신러닝을 의료분야에 활용하기 위한 시도는 다양하게 있었지만, 대동맥 플라크* 상태에 따라 분류하고, 플라크의 두께 측정에 적용할 수 있는 딥러닝 모델 개발은 새로운 시도다.
   * 플라크(Plaque): 혈관에 생기는 플라크는 혈관 내부에 이물질들이 들러붙으면서 만들어지는 것으로 플라크가 형성되면 칼슘 등 다른 물질과 결합되면서 단단한 껍질까지 형성해 혈관을 점점 좁아지게 해 동맥경화가 유발된다.


▲오토엔코더 모델 적용


연구팀은 머신러닝의 다양한 기법 중 오토엔코더(Autoencoder)와 유넷(U-net)모델을 대동맥벽의 초음파 영상 판별에 적용했다. 대동맥벽을 초음파 영상으로 판별하면 뇌졸중의 원인으로 떠오르고 있는 대동맥 동맥경화성 플라크의 상태를 확인할 수 있다.


▲유넷모델을 이용한 플라크 영역 예측 사례


기계연 박종원 신뢰성평가연구실장은 “지금까지는 기계류 부품과 장비의 고장, 수명을 판단하기 위해서 사용자가 복잡한 데이터 해석 능력을 갖춰야 했지만 이제는 다양한 오픈 소스를 활용해 쉽게 접근할 수 있게 됐다”며 “머신러닝을 활용한 영상진단 기술은 향후 다양한 질병의 판독과 부품, 장비의 수명 예측 모델을 개발하는 등 다양한 분야에 활용될 수 있을 것으로 기대된다”고 말했다.

연구팀은 대동맥 플라크의 분석의 정확도를 향상시키기 위해 딥러닝 모델을 개선할 계획이다. 또한 의학 분야 뿐만 아니라, 향후 미래형 수송기기 부품 제조 가상공학 플랫폼 구축 및 소재부품융합얼라이언스(기계자동차분야) 사업에서 부품에 대한 고장현상에 대한 이미지 데이터를 이용하여 고장 진단 등에 활용할 수 있는 기술로 확대할 계획이다.

이번 연구는 산업통상자원부 소재부품기술기반혁신사업의 지원을 받아 수행됐다.


영상 의료 진단 장비, 빅데이터 딥러닝과 만나 더 똑똑해진다!.KIMM NEWS

열람하신 정보에 만족하십니까?