초음파 영상에서 근육-근건 접합부 추적을 위한 인간 중심의 머신러닝 접근법

생체역학적 및 임상적 보행 연구는 사지의 근육과 힘줄의 기능과 행동을 이해하기 위해 그들의 움직임을 관찰한다. 따라서 근육-힘줄 접합부와 같은 특정 해부학적 랜드마크의 움직임을 자주 측정한다. 본 연구에서는 초음파 영상에서 이러한 접합부를 신뢰성 있고 시간 효율적인 기계학습 기반의 방법으로 추적함으로써 임상 생체역학 연구자들이 보행 분석에 보다 효과적으로 참여할 수 있도록 지원하는 새로운 접근법을 제안한다. 이를 위해 딥러닝 기반의 방법이 도입되었다. 우리는 3가지 기능적 운동, 2개의 근육에 대해 123명의 건강한 대상자와 38명의 기능 장애를 가진 환자로부터 수집한 데이터를 활용하였으며, 3종류의 초음파 장비를 사용하여 총 66,864개의 레이블링된 초음파 영상을 네트워크 학습에 사용하였다. 또한, 다양한 경력 수준의 연구자들이 관리한 독립된 실험실에서 수집된 데이터를 포함시켜, 보다 현실적이고 일반화된 성능 평가를 가능하게 하였다. 제안된 방법의 평가를 위해 네 명의 전문가가 독립적으로 검증한 다양한 테스트 세트를 선정하였다. 실험 결과, 제안한 모델은 네 명의 인간 전문가와 유사한 성능을 보이며 근육-힘줄 접합부의 위치를 정확히 식별함을 입증하였다. 본 방법은 프레임당 최대 0.078초의 예측 시간으로 근육-힘줄 접합부를 시간 효율적으로 추적할 수 있으며, 수작업 레이블링보다 약 100배 빠른 속도를 제공한다. 본 연구에서 개발한 모든 코드, 훈련된 모델 및 테스트 세트는 공개되었으며, 모델은 무료로 이용 가능한 온라인 서비스로 제공되며, 관련 서비스는 https://deepmtj.org/ 에서 이용할 수 있다.