컴퓨터단층촬영(CT또는CAT)스캔은장기,뼈및혈관3 d의이미지를생성하기때문에단순한X -선촬영보다현저하게높은진단적가치를가지고있습니다。이처럼진단적측면에서는가치를더해주지만잠재적으로유해한방사선에노출될위험이증가합니다。CT스캔으로생성되는3 d이미지는컴퓨터소프트웨어로겹쳐진2차원X -선이미지가모여서만들어집니다。결과적으로흉부를단일CT스캔할경우평균방사선유효선량은7毫西弗(밀리시버트)이며,이는흉부X -선촬영시노출되는0.02 msv보다350배높은수치입니다。[1]방사선노출은발암위험과상관관계가있으며가이드라인에서는어린이대상CT스캔의경우방사선량을1.5 msv로제한하고있습니다。
의학자들은의사들이필요로하는이미지선명도를제공하는동시에방사선노출을제한할방법을찾고있습니다。한가지유망한방법은초저선량CT를사용하는것으로,흉부이미지의평균유효선량이약0.13 msv입니다。[1]초저선량CT스캔의주요단점은해상도가상대적으로낮고노이즈가크다는것입니다。이로인해의사가장기,지방,간질조직을확인하기어려울수있습니다(그림1)。
그림1。초저선량CT(왼쪽)와기존CT(오른쪽)의이미지품질비교。
저는회귀분석컨볼루션신경망(CNN)을MATLAB®소프트웨어시스템으로개발했습니다。이시스템은초저선량CT스캔을입력으로사용하지만일반선량CT스캔과유사한이미지품질을생성합니다。따라서환자의방사선노출을최대95%까지줄이면서일반선량CT와유사한수준의진단정보를의사에게제공합니다。
초해상도및CNN
저선량CT이미지품질의개선방법을연구하기시작했을때,저는초해상도기술을적용하였습니다。이때MATLAB을사용하여CT이미지를작은로컬영역으로분할하고저선량영역과일반선량영역을짝으로구성하여이미지사전을구축했습니다。이시스템은새로운저선량이미지를분석할때이미지사전에서작은저선량영역을찾아내고사용자에게맞는일반선량패치를제시합니다。
이기술의유효성은충분한비교데이터를보유한대규모의사전을갖출수있는지에따라좌우됩니다。하지만사전의크기가커지게되면시스템의리소스수요가증가합니다。여기서중요하게생각해야할부분이바로작은이미지를찾는데필요한검색시간입니다。CNN은학습하는데시간이소요되지만,새로운이미지가입력되었을때제가개발한초해상도방식보다훨씬빠르게결과를산출합니다。예를들어,학습된CNN은환1명자을대상으로약20분이내에결과를산출하는반면,초해상도를사용하여유사한결과를얻는데에는약2시간이걸렸습니다。
초해상도의결점을해결하기위해CNN회귀분석에대한연구를시작했지만,사실초해상도기술이명백히좋은결과를보여주는경우도있습니다。예를들어,진단하려는이미지의패턴이사전에있는이미지의패턴과매우유사할때초해상도방식은매우정확한결과를산출합니다。이에따라저는CNN회귀분석과초해상도를결합하는하이브리드시스템을구축할계획입니다。
CNN구이미지확보및축
초저선량흉부CT스캔의선명도를개선하기위해2개의CNN을사용하는방식을적용하였는데,하나는CT이미지의폐영역을담당하고나머지하나는폐이외의영역을담당하도록했습니다。(그림2)。CNN을학습하는데사용했던이미지데이터세트는미에대학교(三重大学)의연구원들이제공해주었습니다。이이미지데이터세트는12개이미지쌍으로구성되어있으며,각쌍은동일한조직에대한일반선량스캔과초저선량스캔을포함하고있습니다。(촬영을두번한다는것은환자가방사선에추가로노출된다는의미이므로비교적적은수의피험자를대상으로연구를수행해야했습니다。)각이미지는512 x 512픽셀이었고스캔마다250개이미지(조각)를포함하고있습니다。
그림2。초저선량CT로폐영역과폐이외의영역을학습한CNN。
CNN의초기구조는초해상도에대한저의이전연구결과를기초로했습니다。이연구에서7 x 7크기의로컬영역이가장우수한성능을나타낸다는것을알아냈고,이크기로딥러닝모델을구축하기시작했습니다。그다음에는5 x 128 x 128와사이의로컬영역크기를실험하여산출된각결과의선명도를확인한후,폐영역에는32 x 32로,폐이외의영역에는64 x 64크기로결정했습니다。또한MATLAB을함께이용하여약128개의각기다른CNN변형을평가했고다양한컨볼루션레이어뿐만아니라각기다른입력크기와필터를시도했습니다。
CNN학습및검증
교차검증을사용하여환11명자의이미지로모델을학습하고나머지환1명자의이미지를이용해모델을테스트했습니다。또한서로다른학습세트및테스트이미지를이용해이러한단계를12회반복했습니다。이프로세스를가속화하기위해并行计算工具箱™를사용하여다중NVIDIA®GeForce시리즈GPU로병렬적으로학습했습니다。그리고학습프로세스를모니터링하기위해深度学习工具箱™의모니터링시각화옵션을사용하여정확도와손실을그래프로작성했습니다(그림3)。
그림3。深度学习工具箱로생성한학습프로세스의샘플플롯。
각초저선량테스트이미지의결과는이미지품질메트릭을측정하기위한RMS(제곱평균제곱근)레벨및SSIM(구조적유사성지수)을사용하여상응하는일반선량이미지와비교해평가되었습니다。
다음단계
실제임상환경에서저기의CNN반시스템을사용하는계획이마련되어있습니다。또한의료이미지를편리하게보관하고액세스할수있는PAC(의료영상저장및전송)서버에이시스템을구축하기위한방법을연구하고있습니다。MATLAB으로의료이미징소프트웨어를개발하면서얻을수있는여러이점중하나는손쉽게기본알고리즘에대한인터페이스를만든후전체패키지를의사에게배포할수있는환경입니다。이는제가만든다른MATLAB기반시스템에서이미완료한프로세스입니다。
리츠메이칸대학교는캠퍼스차원에서MATLAB및仿真软件에대金宝app한엑세스를제공하는전세계1000개이상의대학중한곳입니다。在全校推广许可로연구원,교수진및학생은강의실,실험실등어느곳에서나최신버전의제품을사용할수있습니다。
