A New COPD Diagnostic Method Using Radiomics and Artificial Intelligence in Chest CT Imaging of CDPD Patients :환자의 흉부 CT영상에서 방사선체학과 인공지능을 이용한 새로운 COPD 진단법

김용석

추천

검색

자료유형: 학위논문

저자정보: 김용석 (전남대학교 )

지도교수: 김윤현

발행연도: 2024

저작권: 전남대학교 논문은 저작권에 의해 보호받습니다.

이용수17

초록· 키워드

만성폐쇄성폐질환 (chronic obstructive pulmonary disease; COPD)은 전 세계 수백만 명의 사람들에게 영향을 미치는 글로벌 보건 문제가 되었다. 폐활량 측정이 진단 도구로 널리 사용되고 있지만, 검사자와 환자에 따른 결과 차이와 광범위하게 적용하기 어렵다는 한계점이 있다. 본 연구에서는 흉부 전산화 단층촬영법 (computed tomography; CT)을 이용하여 신뢰성 있고 정확한 COPD 진단 모델을 개발하고자 하였다.
전남대병원에서 2011년 1월부터 2014년 4월까지 진행된 흡연자 조사 연구에 참가한 30세부터 93세까지의 참가자 229명을 대상으로 하였다. 연구에 참가한 참가자들은 모두 폐기능검사를 시행하였고, 검사결과를 바탕으로 COPD군 (n = 130)과 대조군 (Non-COPD, n = 99)으로 분류하였다. 완전 자동화된 상용 분석 프로그램을 사용하여 131개의 방사선학적 특징과 85개의 측정된 특징을 추출하였다. 자동화된 머신러닝 알고리즘을 사용하여 폐 기능 검사(PFT) 및 COPD 분류와의 상관관계를 분석하였으며, 가장 유의미한 COPD 분류 모델은 ''상위 10개 특징''을 사용한 ‘Measured feature’ 모델이었다 (30개 시드 평균 값 정확도 기준 훈련성능 0.96/테스트 성능 0.78). FEV₁/FVC의 경우, ‘Measured feature’ 및 ‘Total lung merged’ 모델이 훈련 성능(각각 0.80 및 0.78)과 테스트 성능(모두 0.60) 모두에서 가장 높은 R² 값을 기록했다.
이번 연구를 통해 방사선의학 및 머신 러닝이 COPD 진단과 관리를 개선할 수 있는 잠재적 가능성을 입증하였다. 방사선체학을 적용하여 육안으로 평가하기 어려운 이미지를 다양한 지표를 활용하여 보다 정확하고 정량적으로 평가할 수 있었다. 또한 이러한 지표들을 머신러닝을 이용한 진단 모델에 통합하여 기존 진단법이 가진 제한점을 해결할 수 있는 가능성을 확인할 수 있었다. AutoGluon Python 라이브러리를 사용하여 COPD를 높은 정확도로 분류할 뿐만 아니라 FEV₁/FVC, FEV₁% Predicted, FVC Predicted와 같은 폐 기능 지표를 예측하는 데도 유망한 결과를 보여주는 모델을 개발하였다.
연구의 적용을 위하여 임상검증을 통한 모델의 일반화 가능을 확인하고, 광범위한 영상의학적 특징을 가진 모델의 과적합의 위험을 해결하기 위하여 다층적인 검증 방법과 많은 양의 데이터를 이용한 연구가 추가적으로 필요할 것으로 생각된다.

Chronic obstructive pulmonary disease (COPD) has become a global health problem affecting millions of people worldwide. Despite the widespread use of spirometry as a diagnostic tool, its limitations are evident, particularly when applied on a large scale. This study aimed to establish a reliable and accurate model for the detection of COPD using imaging techniques.
A total of 229 participants aged 30-93 years took part in a smoking study between January 2011 and April 2014. The subjects were divided into a COPD group (n=130) and a non-COPD group (n=99) based on the results of pulmonary function tests (PFTs). All subjects underwent high-resolution computed tomography of the chest. A fully automated analysis program was used to extract 131 radiomic and 85 measured features. An automated machine learning algorithm was used to analyze the correlation between PFTs and COPD classification.
The most significant COPD classification model was the measured feature model using the top 10 features (training accuracy 0.96 and test accuracy 0.78 for 30 seed mean). For FEV₁/FVC (forced expiratory volume in 1s /forced vital capacity), the ''Measured feature'' and ''Total lung merged'' models have the highest R² values in both training (0.80 and 0.78, respectively) and testing (0.60 for both).
This research has successfully demonstrated the potential of radiomics and machine learning to improve the diagnosis and management of COPD. Using advanced imaging diagnostic techniques and the AutoGluon Python library, the research has successfully developed models that not only accurately classify COPD but also demonstrate potential in predicting pulmonary function such as FEV₁/FVC, FEV₁% Predicted (predicted forced expiratory volume in 1 second) and FVC Predicted.
To further enrich this research, clinical validation will be required to confirm the generalizability of the models beyond the training dataset, as the high accuracy of models with extensive feature sets highlights the risk of overfitting. In order to address this, advanced techniques and increasing sample size will be used to mitigate overfitting concerns.

#COPD #AI #Machine Learning #Radiomics #Diagnostic Imaging

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

목차

최근 본 자료

댓글(0)