한동대학교

(사진1) 논문에 게재된 연하검사를 위한 볼루스 검출 AI 모델 설명자료

한동대학교(총장 최도성) 김인중 교수 연구실에서 에스포항병원과의 공동연구로 연하(삼킴)장애 진단을 위한 의료영상분석 AI모델을 개발했다.

평소 사레가 자주 든다거나 음식물을 삼키는데 어려움이 크다면 연하장애를 의심해 볼 수 있다. 연하장애란 신경이나 근육의 문제로 인해 음식물을 정상적으로 삼키지 못하는 질환을 말한다. 특히, 식도로 이동해야 할 음식물이 기도로 들어가는 침습이나 흡인 증상이 발생할 경우 폐렴이나 질식 등 심각한 합병증을 일으킬 수 있기 때문에 조기 진단과 치료가 필요한 질병이다. 

해당 질병에 대한 진단은 대개 비디오 투시 연하검사(Video-Fluoroscopic Swallow Study, VFSS)를 통해 알 수 있는데, 검사를 위한 엑스레이(X-ray)영상에서 환자가 삼킨 볼루스(bolus, 조영제가 포함된 음식물 덩어리)의 이동 경로를 추적하는 영상분석 인공지능(AI)을 활용할 수 있다. 환자가 삼킨 볼루스는 형태가 일정하지 않기 때문에 기존의 AI모델들은 선명하지 않은 엑스레이 영상으로부터 볼루스를 잘 검출하지 못한다.

(사진2) 에스포항병원에서 의료영상분석 딥러닝 기술을 소개한 김인중 교수

이번에 한동대와 에스포항병원이 공동개발한 PECI-Net(Preprocessing Ensemble and Cascaded Inference Network)은 인공신경망을 이용해 다양한 영상처리 알고리즘을 결합함으로써 엑스레이 영상의 화질을 개선한 후 다단계 추론을 통해 기존 AI모델들보다 훨씬 정확하게 볼루스를 검출한다. 연구책임자인 김인중 교수는 “PECI-Net은 의료영상의 화질을 개선하기 위한 전처리 결합 신경망(PEN)과 의료영상의 모호성을 해소하기 위한 다단계 추론 신경망(CIN)으로 구성되었으며, 두 신경망은 함께 학습되어 시너지를 극대화한다.”며 “연하검사 뿐 아니라 다양한 의료영상의 낮은 화질 및 모호성을 극복하는데 효과가 있을 것으로 기대한다.’고 말했다.

본 연구에는 김영헌, 강하림, 이준명, 최진영 등 한동대 학생연구원들과 에스포항병원의 박덕호 과장을 비롯한 다수의 의료전문가들이 참여했으며, 의료AI 분야 최우수 학술지인 ‘Computers in Biology and Medicine (IF 7.7)’에 게재되었다.

한동대학교는 4차 산업 혁명 시대에 필요한 교육 및 연구역량 강화를 위해 인공지능(AI)를 적극 도입하고 활용하는데 중점을 두고 다양한 연구활동을 지원하고 있다.

링크 공유