김철홍 포스텍 IT융합공학과 교수. 포스텍 제공

국내 연구진이 정확하게 유방암을 진단할 수 있는 인공지능(AI) 초음파 네트워크 시스템을 개발했다.

포스텍은 김철홍 IT융합공학과 교수 연구팀이 ‘B-모드’와 초음파 변형 탄성 영상을 이용해 기존보다 정확하게 유방암을 분할 및 분류하는 딥러닝 기반 다중 모달 융합 네트워크를 개발했다고 27일 밝혔다. 연구 결과는 국제학술지 ‘바이오엔지니어링 앤 트랜스레이셔널 메디신’에 게재됐다.

초음파 검사는 유방 병변을 평가하기 위한 주요 의료 영상 양식 중 하나다. 악성 병변과 양성을 구별하기 위해 컴퓨터 보조 진단(CAD) 시스템은 병변의 특징을 자동으로 세분화하고 식별해 방사선 전문의에게 도움을 준다.

연구팀은 B 모드와 변형 탄성 그래피(SE) 이미지를 활용해 병변을 분할한 다음 악성에서 양성을 분류하는 딥러닝(DL) 기법을 결합하는 방법을 제안했다. 먼저 병변의 분할을 위해 가중 스킵 커넥션 방법을 사용해 서로 다른 영상 양식에 최적의 가중치를 적용하는 ‘가중 멀티모달 U-Net(W-MM-U-Net) 모델’을 개발했다. 이어 양성 및 악성 병변을 분류하기 위해 잘린 B-모드와 SE-모드 초음파(US) 병변 이미지에 대한 ‘다중 모드 융합 프레임워크(MFF)’를 제시했다.

MFF는 통합 피처 네트워크(IFN)와 의사 결정 네트워크(DN)로 구성된다. 제안된 MFF 방법은 최근의 다른 융합 방법과 달리 B-모드 및 SE-모드 US 이미지를 사용해 훈련된 컨볼루션 신경망(CNN)에서 보완 정보를 동시에 학습할 수 있다. CNN의 기능은 멀티모달 모델을 사용해 조립되며 DN은 이러한 기능을 사용해 이미지를 분류한다. 

실제 임상 데이터로 실험한 결과 양성 환자 7명을 5번 중 3번 양성으로 진단했다. 악성 환자 6명을 5번 중 5번 양성으로 예측하는 데 성공했다. 연구팀은 “지금까지의 단일 및 다중 초음파 방법을 능가하는 것이 확인됐다”며 “잠재적으로 US 이미지에서 유방암 탐지를 위한 방사선 전문의의 분류 정확도를 향상시킬 것으로 기대된다”고 설명했다. 

이번 연구를 이끈 김철홍 교수는 “입력 영상의 중요도를 판단하고 적절한 가중치를 자동으로 할당하여 더 정확한 병변 분할을 가능하게 했다”며 “딥러닝 모델과 앙상블 모델을 동시에 학습시켜 기존의 단일 모드나 다른 다중 모드에 비해 훨씬 뛰어난 분류 성능을 보였다”고 말했다. 

유방암을 탐지하는 딥러닝 기반 다중 모달 융합 네트워크 모식도. 포스텍 제공