지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 강길원
- 발행연도
- 2019
- 저작권
- 충북대학교 논문은 저작권에 의해 보호받습니다.
이용수6
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
최근 4차 산업혁명과 더불어 의료분야에 IT 기술의 활용이 빈번해지면서
의료영상을 이용한 딥러닝 기술이 적용되고 있고, 사회적으로 키에 관한 관심
이 증가하면서 청소년들의 성장 상태를 사전에 파악하고, 적절한 시기에 표적
치료(target therapy)가 가능하도록 골 연령 예측 진단에 대한 요구가 증가하
고 있다. 일반적으로 골 연령 예측은 왼쪽 수부(carpal bones)를 방사선 촬영
하여 다양한 방법으로 표준 이미지와 대조해 개인의 골 연령을 예측하고, 그
결과를 기반으로 개인의 성장 잠재력과 성인키를 예측하는데 이용한다. 골 연
령을 예측하는 경우, 방사선 전공의라 할지라도 숙련되지 않았다면 영상 해석
의 차이가 있을 수 있으므로 정확도와 신뢰성에 주의를 요구하고 있다. 따라서 x-ray를 이용한 골 연령 판독을 위한 다양한 방법이 활용되고 있지만 아
직까지는 문제점을 가지고 있다. 딥러닝 기반으로 제안된 모델의 경우, 초기부
터 수백만장의 학습이미지가 필요하고, 대부분의 프로그램이 GP 방법을 사용
하기 때문에 골 연령 판독 시 오차가 매우 크게 발생하는 문제점을 가지고 있
다. 따라서 본 논문에서는 블록체인과 앙상블 딥러닝 기반의 TW3 골 연령 예
측 시스템을 제안하고 문제점을 해결하였다.
제안 방법의 경우 사설 블록체인 네트워크를 이용해 영상 판독의 결과를
분산된 전공의들과 공유하고, 정확성을 위해 이더리움 참여자의 50% 이상 투
표에 참여하고, 동의를 얻는 경우 투표 값을 골 연령 표준으로 채택한다. 또한
앙상블 딥러닝을 이용하기 때문에 딥러닝 모델 학습을 위해 몇백장의 학습이
미지를 이용해 TW3 기반의 골 연령 예측이 가능하고 학습모델을 위한 데이
터 셋을 지속적으로 증가해가며 앙상블 딥러닝 모델의 정확도를 점진적으로
향상시킬 수 있다는 장점을 갖는다.
제안 모델은 2명의 임상 전공의 실험결과를 기준으로 딥러닝 모델의 신뢰
성을 평가한 결과 ROC 커브가 0.997%, AUC는 0.79로 1에 매우 근접한 것을
확인하였고, 알고리즘의 정확도는 역연령(RUS)과 골 연령(BA) 평균 예측 결
과를 제안 시스템과 비교한 결과, 최소 평균 0.67%에서 최대 4.04%로 제안모
델이 더 정확한 것을 증명하였다. 또한 앙상블 딥러닝 모델의 예측 정확도를
실험하기 위해 학습 데이터 크기를 400에서 940장으로 증가시키며 실험한 결
과 학습 모델의 AUC가 0.60에서 0.79로 1에 근사한 값을 보였다.
향후 제안 시스템의 예측 정확도 향상을 위해 지속적으로 변화하는 학습
데이터 셋의 다변화된 모델 개선이 지속적으로 연구되어야 하고, 제안된 사설
블록체인 기반의 의료영상 공유시스템의 확장성과 판독에 참여한 전공의들의
보상에 대한 코인 배분 문제를 해결하기 위한 연구가 지속되어야 할 것이다.
의료영상을 이용한 딥러닝 기술이 적용되고 있고, 사회적으로 키에 관한 관심
이 증가하면서 청소년들의 성장 상태를 사전에 파악하고, 적절한 시기에 표적
치료(target therapy)가 가능하도록 골 연령 예측 진단에 대한 요구가 증가하
고 있다. 일반적으로 골 연령 예측은 왼쪽 수부(carpal bones)를 방사선 촬영
하여 다양한 방법으로 표준 이미지와 대조해 개인의 골 연령을 예측하고, 그
결과를 기반으로 개인의 성장 잠재력과 성인키를 예측하는데 이용한다. 골 연
령을 예측하는 경우, 방사선 전공의라 할지라도 숙련되지 않았다면 영상 해석
의 차이가 있을 수 있으므로 정확도와 신뢰성에 주의를 요구하고 있다. 따라서 x-ray를 이용한 골 연령 판독을 위한 다양한 방법이 활용되고 있지만 아
직까지는 문제점을 가지고 있다. 딥러닝 기반으로 제안된 모델의 경우, 초기부
터 수백만장의 학습이미지가 필요하고, 대부분의 프로그램이 GP 방법을 사용
하기 때문에 골 연령 판독 시 오차가 매우 크게 발생하는 문제점을 가지고 있
다. 따라서 본 논문에서는 블록체인과 앙상블 딥러닝 기반의 TW3 골 연령 예
측 시스템을 제안하고 문제점을 해결하였다.
제안 방법의 경우 사설 블록체인 네트워크를 이용해 영상 판독의 결과를
분산된 전공의들과 공유하고, 정확성을 위해 이더리움 참여자의 50% 이상 투
표에 참여하고, 동의를 얻는 경우 투표 값을 골 연령 표준으로 채택한다. 또한
앙상블 딥러닝을 이용하기 때문에 딥러닝 모델 학습을 위해 몇백장의 학습이
미지를 이용해 TW3 기반의 골 연령 예측이 가능하고 학습모델을 위한 데이
터 셋을 지속적으로 증가해가며 앙상블 딥러닝 모델의 정확도를 점진적으로
향상시킬 수 있다는 장점을 갖는다.
제안 모델은 2명의 임상 전공의 실험결과를 기준으로 딥러닝 모델의 신뢰
성을 평가한 결과 ROC 커브가 0.997%, AUC는 0.79로 1에 매우 근접한 것을
확인하였고, 알고리즘의 정확도는 역연령(RUS)과 골 연령(BA) 평균 예측 결
과를 제안 시스템과 비교한 결과, 최소 평균 0.67%에서 최대 4.04%로 제안모
델이 더 정확한 것을 증명하였다. 또한 앙상블 딥러닝 모델의 예측 정확도를
실험하기 위해 학습 데이터 크기를 400에서 940장으로 증가시키며 실험한 결
과 학습 모델의 AUC가 0.60에서 0.79로 1에 근사한 값을 보였다.
향후 제안 시스템의 예측 정확도 향상을 위해 지속적으로 변화하는 학습
데이터 셋의 다변화된 모델 개선이 지속적으로 연구되어야 하고, 제안된 사설
블록체인 기반의 의료영상 공유시스템의 확장성과 판독에 참여한 전공의들의
보상에 대한 코인 배분 문제를 해결하기 위한 연구가 지속되어야 할 것이다.
목차
Ⅰ. 서 론 11.1 연구의 배경 및 필요성 11.2 연구내용 및 방법 5Ⅱ. 이론적 고찰 72.1. 블록체인 기술 72.2 성장과 수골을 이용한 수골방사선 사진을 이용한 골 연령 평가 방법 102.2.1 SIM(Skeletal Maturity Indicators)기법 142.2.2 GP(Greulich-Pyle and Bayley-Pinnea)기법 152.2.3 TW3(Tanner-Whitehous 3)기법 172.3 딥러닝 모델 212.3.1 심층신경망(DNN:Deep Neural Network)모델 212.3.2 합성곱신경망(CNN:Convolutional Neural Network)모델 252.3.3 순환신경망(RNN:Recurrent Neural Networks)모델 282.4 방사선 사진을 이용한 골 연령 예측 시스템 322.4.1 BoneXpert(덴마크) 322.4.2 VUNO Net(대한민국) 342.4.3 딥러닝을 이용한 골 연령 자동판독시스템 352.4.4 골연령 자동판독시스템 비교 38Ⅲ. 연구방법 383.1 연구추진체계 383.2 시스템 설계 403.3 자료수집 방법 및 연구대상 443.3.1 자료수집 방법 443.3.2 연구대상 453.4 이미지 전처리와 앙상블 딥러닝 모델 473.4.1 이미지 전처리 473.5.2 앙상블 딥러닝 모델 473.5 블록체인 스마트 컨트랙트 아키텍쳐 513.5.1 이더리움 웹 아키텍쳐 523.5.2 앙상블 딥러닝 모델 533.6 골 연령 예측 시스템의 성능 54Ⅳ. 연구결과 564.1 시스템의 성능평가 564.2 자료수집 결과 584.3 이미지 전처리와 앙상블 딥러닝 모델 604.3.1 이미지 전처리 알고리즘의 정확도 604.3.2 앙상블 딥러닝 모델 평가 624.4 블록체인과 스마트 컨트랙트 아키텍쳐의 안전성 평가 684.5 골 연령 예측 정확도와 재현율 평가 70Ⅳ. 고찰 및 결론 73참고문헌 79요 약(한글) 86
최근 본 자료
댓글(0)
0