흉부 CT 영상에서 전이 학습을 활용한 RetinaNet을 이용한 폐 결절 탐지 및 분류

폐 악성 종양은 폐 결절의 악성화로 인해 세계적으로 사망 원인 중 가장 흔한 질환 중 하나이며, 일반적으로 방사선의학자들이 영상학적으로 진단한다. 그러나 병원에서 지속적으로 유입되는 의료 영상으로 인해 방사선의학자들은 양적 처리를 질적 처리보다 우선시하게 되어, 특히 폐 결절과 유사한 모호한 해부학적 구조(예: 확대된 림프절)에 대해 오해의 소지가 생기게 되어, 악성 폐 결절 탐지의 감도와 정확도가 저하되며, 이는 환자에게 치명적인 늦은 진단으로 이어진다. 이러한 문제를 해결하기 위해 본 연구에서는 단일 단계 탐지기인 ‘I3DR-Net’을 사용한 새로운 폐 결절 탐지 및 분류 모델을 제안한다. 이 모델은 사전 훈련된 자연 이미지 가중치를 활용한 팽창 3D 컨볼루션 네트워크(I3D) 백본과 특징 피라미드 네트워크를 결합하여 다중 스케일 3D 흉부 컴퓨터 단층 촬영(CT 스캔) 데이터셋에 적용하였다. I3DR-Net은 공개 데이터셋과 비공개 데이터셋에서 각각 mAP 49.61% 및 22.86%, 그리고 AUC 81.84% 및 70.36%의 뛰어난 성능을 달성하여 폐 결절 질감 탐지 작업에서 뛰어난 결과를 보였다. 또한, I3DR-Net은 기존 최신 기술인 Retina U-Net 및 U-FRCNN + 평균 정밀도(mAP)에 비해 악성 결절 탐지 및 분류 작업에서 각각 7.9%, 7.2% 향상된 성능(57.71% 대 49.8% 대 50.5%)을 기록하며 우수한 성능을 입증하였다.