[의료이미지 분석]Introduction to medical image analysis

https://www.edwith.org/medical-20200327/joinLectures/30437
위 강조를 참조하여 작성하였습니다. 포스팅에 사용된 이미지 역시 위 강의의 슬라이드에서 가져왔습니다. 

 

 

@의료 이미지 분석이란? 

 

 

 의료 이미지 분석은 컴퓨터 비전과 머신러닝 모두 이용하는 학문으로, 의료 영상을 AI를 통해 빠르고 정확하게 진단하고자 하는 것이 목표임 

 최근 머신러닝과 컴퓨터 비전에서 사용하는 발전된 기술인 딥러닝을 자주 이용하게 됨 

 

 (*다만 컴퓨터 비전에서 다루는 이미지/영상은 2D 인 반면, 의료 이미지 분석에서는 대게의 이미지가 3차원이라는 측면에서 차이가 있음)

 

 @의료 이미지 분석의 활용 예

 

 

- raw 데이터를 취득하는 과정에서 딥러닝을 이용^[각주:1]

- 라벨을 갖춘 훈련 데이터 셋으로부터 머신러닝을 통해 의사결정 시스템 구축^[각주:2]

- explainable AI를 통해서 의사결정 시스템 구축에 대한 이해^[각주:3]

- 실질적 의료 조언 제시

 

등

@의료 이미지 분석의 분야

 크게 4가지의 분야로 정리할 수 있음 

 

1. Classification: 사진의 class를 나누는 task

 
2. Segmentation: 개체의 edge를 찾는 task

3. Enhancement: 사진의 해상도를 높이는 task

 

4. Registration

 

@의료 이미지 저장/시각화

 

- 의료영상 저장 전송장치(PACS)

PACS 라는 시스템(서버)를 통해 기기를 통해 취득된 이미지는 dicom 포멧으로 저장된 후 서버에 저장됨 또한 PACS를 통해 DICOM 이미지를 시각화함 

- DICOM format

 

 DICOM 형식은 의료 이미지의 스탠다드한 포멧으로 영상만 포함하는 것이 아니라 헤더 정보 역시 포함하고 있음 

 

 헤더 정보에는 Dimension(이미지 크기), Voxel spacing(2차원에서 픽셀이라면, 3차원에서는 Voxel 즉 픽셀의 두께에 대한 정보) 등이 포함됨 

 아래 이미지 (좌) 가 영상 정보, (우)가 헤더 정보 

 

 헤더가 있어야 유의미한 전처리 및 작업이 가능함 

 

- Visualization

 

 3D slicer .. 등의 소프트웨어를 통해 3D인 이미지를 열어볼 수 있음 

 

@의료 이미지 취득 원리

 

- light source

- 물체

- sensor

 

light source에서 나온 빛이 물체에 반사되면, 그 빛을 sensor가 받아들이고 영상으로 만듦

(*이 sensor는 빛(가시광선)을 전기신호로 바꿔줌)

 

light source 로는 다양한 것을 이용가능하나, 아래 표에서 오른쪽으로 갈수록 인체에 유해함 

 

ex. 내시경(가시광선 이용) 

라이트 소스와 센서가 함께 달려있음 

1. https://www.radiologybusiness.com/topics/artificial-intelligence/ge-healthcare-deep-learning-based-fda-approval [본문으로]
2. https://www.philips.com/a-w/about/news/archive/standard/news/press/2017/20170413-philips-receives-fda-clearance-to-market-philips-intellisite-pathology-solution-for-primary-diagnostic-use-in-the-us.html [본문으로]
3. CheXNet: Radiologist-Level Pneumonia Detection on Chest X-Rays with Deep Learning, 2017 [본문으로]