AI Solutions

DEEP:PATH-CRC-01

  • AI Solution: DEEP:PATH-CRC-01

  • Core Technology : 대장암 병리영상에서 비정상 조직의 자동 영역 추출 기술

대장암(Colorectal Cancer)은 결장(Colon)과 직장(Rectum)에 발생하는 악성종양을 뜻합니다. 대장암은 초기에 아무런 증상이 없으며, 증상이 나타날 때는 이미 상당히 진행된 경우가 많습니다. 따라서 대장암은 초기에 발견하여 치료하면 치료성적이 매우 좋기 때문에 검진을 통해서 선종 단계에서 용종을 발견하여 내시경으로 제거하면 매우 효과적입니다. 내시경 과정에서 제거된 조직들은 조직 검사를 통하여 양성 혹은 악성 여부를 진단합니다. 대장암을 조기 진단하는데 있어 CT, 혈액검사, 분자검사 등 여러 방법이 있지만, 최종적으로 내시경을 통해 얻어낸 조직을 검사하는 방법이 가장 정확합니다. 조직 검사는 내시경을 통해 얻어낸 조직을 얇게 썬 후, 염색을 거쳐 현미경을 통해 관찰하여 진단하는 진단법입니다.

Overview

인체 내 대장 조직의 구조는 위의 그림과 같습니다. 이를 병리용 현미경으로 관찰해 보면 크게 5가지로 분류할 수 있으며, 이는 병리 전문의만이 구분하여 진단 가능합니다. 이때, 병리영상은 초기 진단용으로 사용되는 다른 의료영상과는 달리 병을 진단하는 최종단계로 사용되는 이미지이므로, 오진을 할 경우 다른 의료영상에 비해 큰 타격과 많은 책임이 따릅니다. 또한, 병리 전문의가 한 장의 이미지를 판독하는데 걸리는 시간은 수 시간이 소요됩니다. 따라서 당사는 병리 전문의의 진단률과 시간 효율을 극대화하기 위하여, 비정상 조직의 영역을 추출하여 시각화 하는 대장암 병리용 진단 인공지능 소프트웨어를 개발하게 되었습니다.

AI Core Technology

현미경 영상인 병리 이미지 데이터는 다른 데이터와는 달리 매우 큰 크기를 갖습니다. 하지만 컴퓨터 용량의 한계로 인해, 인공지능을 학습시키려면 보다 작은 크기의 이미지가 필요합니다. 이때, 원본 이미지를 단순히 작은 크기로 줄일 경우 해상도가 손실되어 진단 정확도가 낮아지고, 원본 이미지에서 단순히 패치를 추출해 학습을 시킨다면, 한번 학습시킬 때 판단할 수 있는 관심 영역이 줄어들게 되어 이 또한 노이즈가 증가하여 정확도가 낮아지게 됩니다.

따라서 당사는 위와 같이 주성분 분석과 웨이블렛 변환을 이용하여 이미지를 압축해, 해상도에 타격이 없고, 큰 관심영역을 갖는 방법을 고안했습니다. 이때 주성분 분석은 이미지를 구성하는 세개의 색깔 채널 (RGB-channel)의 상관관계를 효율적으로 저차원으로 압축시키는 방법입니다. 이를 통해, 각 채널이 담고 있는 유의미한 성분을 흑백 이미지로 압축시키고, 조직이 있지 않은 무의미한 배경 영역을 없애 효율적으로 분석할 수 있습니다. 또한, 웨이블렛 변환은 이미지의 시간적으로 주파수 성분이 변하는 신호를 이용하여 손실 없이 해상도를 줄여주는 방법입니다. 이 기술은 일반적인 디지털 영상을 압축시키는 방법으로 대중적으로 사용되는 JPEG 2000 압축 방법에도 사용이 되는 기술입니다.

이렇게 압축된 패치 이미지들을 InceptionResNet 백본을 가진 UNet++ 아키텍쳐를 사용하여 학습 및 분석하여 결과를 얻어냅니다. InceptionResNet은 ILSVRC (이미지넷 이미지 인식 대회)에서 각 2014년과 2015년 우승을 차지한 InceptionNet과 ResNet의 특징을 합친 분류 모델입니다. InceptionNet은 기존 상대적으로 큰 크기의 Convolution 필터 사이즈를 작은 형태로 줄이고, 여러 개로 구성하여, 연산을 작은 형태로, 쪼개어 할 수 있도록 Google에서 발표한 신경망 모델이다. 이와 함께 깊은 신경망을 학습시킬 때 학습데이터에 과적합 되는 현상을 해결한 ResNet을 접합하였습니다.

UNet++ 아키텍쳐는 기존 UNet의 스킵연결 (skip-connection) 부분을 단순히 원본 이미지를 전달하는 목적이 아닌 특징을 분석하여 전달하는 목적으로 사용하여 더 정확한 성능을 보여준 모델입니다. 이 세개의 모델을 결합함으로써 대장 조직에서 정상, 비정상 영역을 검출하여 조직 병리 검사의 성능을 최대로 보여주었습니다. 신경망에서 도출된 결과를 웨이블렛 역변환을 통해 각 특성을 분석한 결과들을 합친 후, 결과 패치를 원본 영상 크기로 합쳐 원본 이미지에 덧 씌워 보여줍니다.

© 2020 by DEEPNOID inc.

#1305, 55, Digital-ro 33-gil, Guro-gu, Seoul 08376, Republic of Korea

TEL : +82-2-6952-6001     FAX : +82-70-4275-1418

  • 페이스 북 - 회색 원
  • 유튜브 - 회색 원