딥러닝 기반 심장가슴비 자동측정 알고리즘 개발 및 이를 활용한 연 령 성별군별 심장가슴비 표준 범위 :Development of a Deep Learning-Based Automatic Cardiothoracic Ratio Measurement Algorithm and Establishment of Age and Gender-Specific Standard Ranges

송지영

추천

검색

자료유형: 학위논문

저자정보: 송지영 (서울대학교, 서울대학교 대학원)

지도교수: 박창민

발행연도: 2024

저작권: 서울대학교 논문은 저작권에 의해 보호받습니다.

이용수4

초록· 키워드

심비대는 심장 기능 저하의 간접적 지표로써 흉부 X선 검사에서는 심장가슴비 측정을 통해 선별하곤 한다. 하지만 심비대 판단을 수작업으로 측정하는 것은 노동 집약적이고 관찰자 간 변이가 있다. 딥러닝 모델을 활용하여 심장가슴비를 자동 측정함으로써 심비대 판단의 정확도를 향상시킬 수 있으리라 기대되기에 관련된 연구가 활발히 진행 중이다. 하지만 선행 연구들은 딥러닝 모델의 학습에 폐 병변이 없는 정상 흉부 X선 사진만을 이용해왔기 때문에 이런 상황에서는 정확하게 작동하는지 알 수 없다. 또한 심장가슴비는 건강한 성인에서도 연령과 성별에 따른 차이가 있을 수 있는데, 이로 인해 심비대의 판단에 일관된 수치를 적용하는 것이 적절하지 않을 수 있다. 본 연구에서는 폐야나 흉막에 병변이 있는 경우도 학습 데이터에 포함하여, 심장가슴비를 자동으로 측정하는 딥러닝 모델을 개발하고 이를 대규모 데이터셋에 적용하여 연령, 성별에 특이적인 심장가슴비 참고치 범위를 설정하고자 하였다. 본 연구에서 개발된 딥러닝 모델은 심장 영역과 흉곽 영역 모두 다이스 점수 0.97을 달성하여 우수한 정확도를 보였다. 또한 심장가슴비 측정 성능을 외부 검증하였을 때, 흉부 영상 전문의의 측정치와 높은 급내 상관 계수를 보였으며, 4명의 영상의학과 의사들과 비교하여 작은 측정 오차를 보여 측정 성능의 우수성을 입증하였다. 건강검진 목적으로 촬영된 대규모 데이터셋에 딥러닝 모델을 적용하였을 때, 남자와 여자에서 평균 심장가슴비는 각각 0.440, 0.454 로 나타났으며 남자와 여자 모두에서 연령이 증가함에 따라 심장가슴비가 증가하는 경향을 보였다. 본 연구에서 개발된 딥러닝 모델을 통해 다양한 임상적 상황에서 보다 정확하고 빠르게, 환자 맞춤형으로 심비대를 평가할 수 있는 새로운 선별 도구를 제공할 수 있을 것으로 기대한다.

The Cardiothoracic ratio (CTR) serves as a valuable metric in chest X-ray examinations, offering an indirect evaluation of cardiac function. Manual CTR measurements, however, are labor-intensive and subject to inter-observer variability. In the realm of deep learning, research aims to enhance the accuracy of CTR assessment by automating its measurement through the utilization of deep learning models. Previous investigations have primarily utilized normal chest X-ray images, lacking pulmonary pathologies, for model training, which may not accurately represent the challenging scenarios encountered in clinical practice. Moreover, the variation of CTR with age and gender underscores the inappropriateness of applying a uniform criterion. In this study, we have crafted a deep learning model capable of accurately measuring CTR, even in cases involving lung or thoracic pathologies, by incorporating data from patients with pulmonary abnormalities into the training dataset. Additionally, this model was applied to a substantial dataset to establish age and sex-specific reference ranges for CTR. Impressively, the deep learning model exhibited outstanding performance, achieving a Dice score of 0.97 for both the heart and thoracic regions. The external validation of CTR measurements unveiled a high intraclass correlation coefficient in comparison to assessments conducted by thoracic radiologists, and minimal measurement error relative to the four radiologists. When the model was applied to a large dataset for health check-ups, we observed that the average CTR for males and females was 0.440 and 0.454, respectively. Additionally, both genders displayed an age- associated increase in CTR. The deep learning model developed in this study has the potential to provide a new tool for more accurate and personalized CTR evaluations in various clinical scenarios, offering improved speed and precision.

#딥러닝 #흉부 X선 #자동 분할 #심장가슴비 #심비대

제 1 장 서론 1
제 1 절 연구의 배경 1
제 2 절 연구의 내용 2
제 2 장 연구 방법 2
제 1 절 연구 대상자 2
제 2 절 딥러닝 기반 흉부 후전면 심장가슴비 자동측정 모델 개발 5
제 3 절 심장가슴비 자동 측정 모델의 성능 평가 6
제 4 절 모델을 활용한 연령·성별군별 심장가슴비 참고치범위 산출 7
제 3 장 결과 7
제 1 절 연구 대상자 특성 7
제 2 절 딥러닝 모델의 심장가슴비 측정 성능 평가 8
제 3 절 연령 및 성별에 따른 심장가슴비 참고치 범위 21
제 4 장 논의 22
참고문헌 25
Abstract 27

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)