의료영상과 인공지능 ⑥ 의료영상의 Classfication

1. 의료영상 Classification

1) Brain image Classification

정상(왼쪽), 경도인지장애(중간), 알츠하이머(오른쪽)

 

- Brain image에서 흰색부분을 WM(White matter), 회색부분은 GM(Gray Matter), 검정부분은 CSF(Cerebrospinal Fluid)라고 한다.
- 아래쪽에있는 두개의 덩어리는 Ventricles 이라고한다.
- 알츠하이머의 경우 정상 이미지에 비해 GM부분이 비어보이고, Ventricles이 커져있는것을 확인할 수 있다.
- 이러한 정상 이미지와는 다른 특징으로 classification을 수행한다.
- 문제점은 주로 3D 영상을 사용하기 때문에 영상 크기가 크다.

- 또한 정상이여도 나이가 들면 GM이 적어지는 현상이 발생하므로 나이에 따른 영상을 모아서 classification을 해줄 필요가 있다.
- 정상 이미지와 알츠하이머 이미지를 구분하기는 상대적으로 쉬운문제이다. 다만 알츠하이머가 발생하면 치료가 어렵기 때문에 조기 진단이 가능한 것이 중요하다.

- 그리고 정상을 알츠하이머로 구분하는건 큰 문제가 없으나, 알츠하이머를 정상으로 구분하는건 위험하므로 좀더 보수적으로 스크리닝할 필요가 있다.

- 정상 이미지와 경도인지장애를 구분하는것은 상대적으로 어려운 문제이다.

 

2) Pathology image Classification

폐암 조직에 대한 딥러닝 모델 예측

 

- 조직을 떼서 현미경으로 관찰
- 고배율로 영상을 확인해야 세포 핵들을 관찰할 수 있다.
- 핵들의 모양이 균일하면 정상, 불규칙하면 비정상으로 구분할 수 있다.
- 조직검사를 할때 떼어낸 조직을 전체를 스크리닝해야하는데
 전체 조직에서 병변 부분은 매우 작으므로 시간이 오래걸린다.
- 최근 이러한 이슈를 인공지능으로 해결하려는 시도들이 있다.

 

 

2. 의료영상 Classification의 문제

① 데이터 수집이 어려움

    - 일반 촬영기기로 얻기 힘든 영상
    - 환자의 개인정보이기 때문에 보안이 철저함
    - ADNI, TCGA 등에서 의료영상 수집
② 영상의 크기가 크다.
    - 3D, 고배율
③ 전체 영상에서 이상이 있는 부위는 상대적으로 작다.
④ 영상 외의 정보들도 활용해야함. (나이, 성별 등)

 

 

3. Classification 기법

 

---

출처

Brain image Classification 이미지: https://www.edwith.org/medical-20200327/lecture/63124?isDesc=false

Pathology image Classification 이미지:

https://medium.com/health-data-science/classification-of-histopathology-images-with-deep-learning-a-practical-guide-2e3ffd6d59c5

컴퓨터비전, 머신러닝, 딥러닝을 이용한 의료영상분석(2강): https://www.edwith.org/medical-20200327/lecture/63124?isDesc=false