Earticle

초록

영어

This study aims to evaluate the computer's automatic diagnosis performance to distinguish normal and lesions of biceps from shoulder ultrasound images using a deep learning algorithm and to detect exudate lesions in the images. 260 cases of ultrasound imaging of shoulder pain patients treated at D hospital were used. As deep learning, ResNet-50 was applied to the classification algorithm and DeepLabV3+ was applied to the detection algorithm, and ROC curves, AUC, and F1-Score were used as performance evaluation indicators. As a result, 95% accuracy, 100% precision, 91% reproduction rate, and 94% AUC in the classification algorithm showed 97% global accuracy, 85% average IOU, and 66% F1-Score in the detection algorithm. Based on the model presented in this paper, it is judged that the automatic ultrasound diagnosis system can be applied in clinical practice if additional data is acquired and several algorithms are applied.

한국어

본 연구는 딥러닝 알고리즘을 이용해 어깨 초음파 영상에서 이두근 건의 정상 및 병변을 구분하고, 영상 속 삼출액 병변을 탐지하는 컴퓨터 자동 진단 성능을 평가하고자 한다. D 병원에서 진료받은 어깨 통증 환자들의 초음 파 영상 증례 260건을 사용하였다. 딥러닝으로서 구분 알고리즘에는 ResNet-50, 탐지 알고리즘에는 DeepLabV3+ 를 적용하였으며 성능 평가 지표로 ROC 곡선, AUC, F1-Score 등을 사용하였다. 결과로 구분 알고리즘에서 정확 도 95%, 정밀도 100%, 재현율 91%, AUC 94%를 탐지 알고리즘에서 전역 정확도 97%, 평균 IOU 85%, F1-Score 66% 등을 나타냈다. 본 논문의 제시 모델을 바탕으로 추가 데이터 획득 및 여러 알고리즘을 적용한다면 임상에서 초음파 자동 진단 시스템으로의 응용이 가능하다고 판단된다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 연구방법
2.1 연구 설계
2.2 자료수집
2.3 연구 절차
Ⅲ. 연구결과
3.1 영상 구분 모델
3.2 영상 병변 탐지 모델
Ⅳ. 논의
Ⅴ. 결론
REFERENCES

키워드

저자

• 배주현 [ Ju-Hyeon Bae | 부산가톨릭대학교 보건과학대학 방사선학과 석사과정 ]
• 김준우 [ Jun-Woo Kim | 삼성메디슨 영상개발Lab 책임연구원 ]
• 김창수 [ Chang-Soo Kim | 부산가톨릭대학교 보건과학대학 방사선학과 교수 ] Corresponding Author

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  차세대융합기술학회논문지 [The Journal of Next-generation Convergence Technology Association]

• 간기

  월간

• pISSN

  2508-8270

• 수록기간

  2017~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 506 DDC 606