딥러닝을 활용한 캡슐내시경 정체 현상 탐지 방법

Abstract

영상 처리 분야에서 딥러닝 기법들이 효과를 보임에 따라서 다양한 분야에서 이와 같은 기법들을 이용해 영상에 대한 분류, 분석, 검출, 생성 등을 수행하려는 시도가 늘고 있다. 이러한 시도는 X-ray, CT, MR, PET 과 같은 의료 기기를 이용한 질병 진단 보조에도 활발히 적용되고 있다. 그중에서도 본 연구에서는 소화기관의 질병을 진단하는 의료기기인 캡슐내시경 영상에 주목하였다. 캡슐내시경은 기존의 위, 대장 내시경 검사와는 달리 소장 병변 발견을 목적으로 사용되는 의료영상 기기이다. 캡슐내시경은 한 번의 시술이 약 8시간 이상 걸리며 약 5만장 이상의 영상을 생성하므로 기존의 X-Ray나 MR과 같은 장비로부터 흭득되는 영상의 수에 비해 대량의 영상을 대상으로 분석해야 하는 문제가 있다. 더욱이 타 의료영상과는 달리 계속해서 위장관 내에서 이동하며 촬영한 영상이며 기관의 색깔이나 구조적인 특징이 뚜렷하지 않아 분석이 매우 어려운 환경이다. 또한, 캡슐내시경의 경우 캡슐내시경이 신체 내부에 정체될 수 있으며 이는 임상 환자에게 매우 치명적인 불편을 초래하는 실정이다. 본 논문에서는 딥러닝을 활용하여 대량의 의료 영상을 생성하는 캡슐내시경의 판독 시간을 줄임과 동시에 위장관 내 정체 현상을 탐지하기 위한 방법을 제안한다. 먼저 캡슐내시경 빅데이터를 구축하고 학습에 필요한 정보를 추출한다. 기존의 내시경 그리고 캡슐내시경의 표준용어를 기준으로 추출된 데이터들의 레이블링을 진행한다. 후에, 캡슐내시경 영상의 판독에서 모든 환자에 대해 공통으로 관찰되는 위장관 교차점(유문판-위장과 소장 사이, 회맹막판-소장과 대장사이) 검출을 통해 위장관 랜드마크를 분류함으로써 소장 영역을 추출하고 영상의 광학 흐름을 8방위 벡터화하여 캡슐내시경의 정체 현상을 검출하였다. 위장관 교차점의 경우 실제 임상에서 획득한 총 26명의 환자 영상을 대상으로 실험을 진행하였고 위장과 교차점 중 유문판은 100%, 회맹막판은 76.92%의 정확도로 검출되었다. 이때, 모호한 구역에 대한 정의를 도입하면 회맹막판 검출은 86.65%까지 향상될 수 있었다. 또한, 광학 흐름을 이용해 캡슐내시경 정체 현상을 판단하는 메트릭을 통해 94.4%의 정밀도를 보였다. 회맹막판의 검출 정확도는 유문판에 비해서 큰 차이를 보였는데, 대장에 가까워질수록 거품, 과잔여물, 통신오루, 빛번짐 등의 노이즈 영상이 많아 짐에 따른 차이로 분석되었다. 이러한 노이즈 영상들이 학습 및 정체 현상 탐지 성능에 악영향을 줄 수 있기에 오토인코더를 이용하여 노이즈 데이터를 정제하고 실험한 결과, 위장관 교차점 추정에는 1.5%의 성능 개선을 보였고 정체현상에는 유의미한 차이는 보이지 않았다. 본 연구에서는 캡슐내시경의 정체 현상을 딥러닝 및 광학 이동을 통해서 탐지하였다. 연구 결과, 캡슐내시경의 위장관 교차점을 탐지하여 판독관이 수초 이내에 영상의 위장, 소장, 대장의 촬영 위치를 구별할 수 있으며, 향후 실시간성을 확보한다면, 환자가 추가적인 부착물을 착용하지 않고서도 정체현상을 실시간으로 분석하여 임상 시술을 보조할 수 있다.