| 초록 |
딥러닝을 중심으로 진행되는 인공지능 기술은 영상, 음성, 번역 등 다양한 분야에서 기존 방법의 성능을 뛰어넘는 결과를 보이며 활용되고 있다. 특히 딥러닝 자체의 구조적 확장성 및 유연성, 풍부한 데이터, 클라우드 및 GPU 기반의 분산 및 병렬처리 연산은 기존에 불가능하거나 비효율적이었던 다양한 영역으로 확장이 이뤄지고 있다. 그중에서도 의료영상에 대한 분석 연구는 병변의 탐지 및 분할, 정량화 등 자동진단 보조시스템 개발을 목표로 인공지능 기술이 활발하게 도입되고 있다[1]. 컴퓨터를 이용하여 의료영상을 분석하고 진단하고자 하는 시도는 아주 오래전부터 진행되어오고 있다. 지금으로부터 약 50년 전인 1966년 미국의 Gwilym S. Lodwick이라는 의사가 “Computer-aided Diagnosis in Radiology – A Research Plan”에서 컴퓨터 도움 진단(computer-aided diagnosis, CAD) 개념을 제안하였다. 이 연구에서 그는 흉부 X선 촬영 영상을 기반으로 어떤 폐암 환자의 1년 후 생존 여부를 예측하는 시스템을 개발하였으나, 당시에는 영상을 처리할 수 있는 컴퓨팅 기술이 없어 중요 특징 변수들을 수작업으로 추출하여 분석 및 통계처리에 사용하였다. 실제로 의료영상을 디지털화하여 컴퓨터를 이용해 처리하기 시작한 연구는 1970년대에 등장하게 된다. 1980년대에 들어 컴퓨터 도움 진단 시스템의 발전을 가속화시키는 여러 시스템이 제안되었으며, 그중에서 의료영상 저장 및 전송 시스템은 가장 효율적이고 경제적으로 의료영상을 저장하고 전송하는 시스템으로 인정받게 된다[5]. 1970~80년대에 CT, MRI 영상 시스템이 개발되면서 고성능 의료영상이 실제 임상에 사용되기 시작하였고, 이들 영상을 이용한 CAD 기술이 슬롯 머신 게임되기 시작하였으며, 1990년대 말 네트워크의 발전과 영상장비의 고성능화로 CAD 기술개발에 대한 슬롯 머신 게임가 비약적으로 증가하게 된다. 이는 CAD가 초기에는 컴퓨터를 이용한 진단 자동화의 개념에서 전문가의 판독 능력을 보조하여 상호 보완적인 역할을 한다면 의미가 있다는 패러다임의 변화로 인하여 그 활용이나 기술의 발전을 가져온 것으로 추측된다[2~4].<br / <br / CAD를 활용한 영상 분석 기법은 인공지능 기술의 패턴인식 기술에 해당된다고 할 수 있다. 즉, 수집된 의료영상으로부터 주요 특징들을 추출하여 통계나 분석 등에 사용하거나, 다양한 기계학습 분류 기법을 활용하여 영상의 분류(classification), 객체의 검출(detection), 객체의 분할(segmentation), 서로 다른 영상의 정합(registration) 등과 같이 다양한 분야에 적용할 수 있다.<br / 인공지능에서의 영상의 분류란 지도학습의 일종으로 기존에 존재하는 영상 데이터와 클래스 관계를 파악하고, 새롭게 관측되는 영상 데이터의 클래스를 스스로 판별하는 과정이다. 학습 영상 데이터로부터 기존 클래스들을 학습하고 영상 데이터의 범주를 구분하여 경계를 나누는 것을 학습한다. 따라서 미지의 입력데이터는 해당 특징이 어느 곳에 위치하는지에 따라 가까운 클래스로 판별 또는 분류하는 연구 분야이다. 객체 검출은 컴퓨터비전의 하위 분야 중 하나로, 전체 디지털 이미지 및 비디오 등에서 사전에 지정된 특정 객체를 탐지하는 작업을 말한다. 이들 객체 검출은 이미지 검색, 이미지 설명, 얼굴 인식 등 다양한 분야에서 사용될 수 있다. 의료영상에서의 객체 검출은 특정 병변에 해당되는 패턴을 학습하여 표시하는 것과 같이 사용될 수 있다. 객체 검출은 검출된 객체의 클래스 이름과 경계 박스 등을 제공하기 때문에 병변의 위치 등을 파악하는 데 많은 도움이 될 수 있다. 객체 분할은 이미지나 비디오 영상으로부터 객체 영역들을 배경으로 분할하는 기술을 말한다. 이들 객체 분할은 이미지 요약, 검색 등 다양한 비전 분야에서 사용될 수 있다. 객체 분할은 객체 검출과 다르게 경계 박스의 제약 없이 화소 단위로 객체를 분할한다. 영상 분류와의 차이점은 영상은 전체 이미지에 대하여 단일 클래스로 분류하나 객체 분할은 한 영상이나 이미지에 여러 개의 객체가 존재하여 각각을 분할하는 것이다. 마지막으로 영상정합은 서로 다른 장면이나 대상을 변형하여 하나의 화면 또는 좌표계에 나타내는 처리 기법을 말한다. 특히 의료영상 처리에서는 환부의 영상을 시간에 따라 비교하거나 정상인 조직의 영상과 비교하기 위하여 변형을 보정해 표시하기도 한다.<br / |
