의료 영상이 딥러닝의 다음 번 개척지인 이유

Deep learning banner

방사선 x 레이, 초음파, NMR 등을 포함하는 의료 영상은 전통적으로 비정상적인 부분을 감지하기 위해서는 유연한 인간의 육안에 의존했습니다. 지금까지 컴퓨터는 반짝이면서 빛나는 부분 등으로 인한 복잡한 배경과 이미지 품질 문제 때문에 정확한 분석이 불가능한 것으로 인식되어 왔습니다. 따라서 기존의 머신 비전 알고리즘으로 비구조적인 장면에서 비정상적인 부분을 식별하기 위해 물체나 관심 지역을 정밀하게 찾는 작업은 특히 매우 어려웠습니다. 자동화된 시스템이 관련 없는 특징들을 무시하면서 관심 지역을 성공적으로 식별하는 일은 가능하다고 해도 시간이 많이 소비되고 어려운 작업이었습니다.

그러나 이제는 딥러닝 기반 이미지 분석으로 높은 신뢰성과 반복 가능성, 안정성으로 생물학적 이상 검색을 자동화할 수 있습니다. 이러한 상황으로 인해 의료 영상에서 컴퓨터 지원 진단(CAD)을 활용할 수 있는 영상의학과의사의 역할이 달라지고 있습니다. Cognex Deep Learning는 종양처럼 신체의 정상 형상에서 벗어난 모든 경우를 파악하거나 특정한 이상을 파악하는 상황에서 모두 컴퓨터화된 시스템의 속도와 강력함을 인간 검사자의 육안을 통한 유연성과 결합합니다. 위치 설정 툴을 통해 배경이 시각적으로 잘 구분되지 않고 명암 대비가 낮은 경우에도 특정 장기와 같은 관심 영역(ROI)을 특정할 수 있습니다. 결함 감지 툴은 학습 이미지를 통해 장기의 정상 형태 및 특정 유형의 기형에 대한 참조 모델을 만들어 해당 부위가 생리적으로 일반적인 형태로부터 벗어난 부분을 결함으로 표시해 줍니다.

딥러닝 기반 툴을 이용하는 다른 훌륭한 사례로는 x 선에서 조직 또는 임플란트를 찾고 식별하는 사례가 있습니다. 위치 설정 툴은 구별되는 특징을 학습함으로써 특정 장기의 위치를 파악할 수 있습니다. 위치 설정 툴을 학습시키기 위해서는 대상 특징이 표시된 이미지를 제공하기만 하면 됩니다. 마찬가지로 코그넥스 딥러닝 결함 감지 툴과 같은 딥러닝 기반의 결함 감지 및 분할 툴로도 의료용 이미지에서 기형을 파악하는 데 도움을 얻을 수 있습니다. 결함 감지 툴은 샘플 이미지를 바탕으로 장기의 정상 형태와 특정 이상 유형에 대한 참조 모델을 개발합니다. 대상 지역의 정상적인 생리적 특성에서 벗어난 모든 이상은 방사선 전문의가 컴퓨터 지원을 통한 분석(CAD)을 수행할 수 있도록 표시됩니다.

의료 영상 분야에서 새로운 딥러닝 애플리케이션에 대한 보다 자세한 정보가 필요하면 다음 무료 가이드를 다운로드 받으십시오: 생명과학을 위한 코그넥스 딥러닝.

관련 블로그:

제품 지원 및 교육 신청

MyCognex 가입