Earticle

초록

영어

Autosomal Dominant Polycystic Kidney Disease(ADPKD) is a common genetic disorder leading to kidney failure, affecting millions globally. This study presents a non-invasive approach to diagnose genetic mutations using T2-weighted MR images and patient clinical data, advancing precision medicine. We analyzed 441 ADPKD cases from multiple institutions, categorized into PKD1 Truncating (n=232) and other PKD mutations (n=209). MR images were preprocessed for uniformity, including masking, resampling to a 0.78×0.78×0.78 mm³ voxel size, normalization, and resizing to (256, 256, 64). Three models were evaluated using accuracy, F1-score, and AUC: a Unimodal Model with MR images only, a Unimodal Model with MR images and masks, and a Multimodal Model integrating MR images, masks, and patient clinical data (age and height). The Multimodal Model, employing a 3D ResNet-152 and Multilayer Perceptron(MLP), achieved the highest performance with 73.9% accuracy and a 0.754 F1-score. These results demonstrate the effectiveness of integrating multiple data modalities for enhanced classification of ADPKD genetic mutations, offering a promising tool for non-invasive diagnosis and improved clinical decision-making.

한국어

다낭성 신장 질환(PKD)은 신장에 다수의 낭종이 형성되어 치명적인 합병증을 유발할 수 있는 질환으로, 완치가 불 가능하여 정확한 진단과 약물을 이용한 평생 관리가 필요하다. 그러나 환자 별 다양한 요인으로 인해 진단이 복잡하 여 신부전으로 진행될 위험이 높다. 본 연구에서는 ResNet-152 모델을 기반으로 한 세 가지 방법을 통해 PKD 환 자의 자동 진단을 수행하였다. 첫번째 방법은 단일 모달(MR 이미지) 기반 학습에서는 정확도 61.9%, F1-score 0.624를 달성하였고, 둘째는 이미지와 마스크를 결합한 설정에서는 정확도 69.9%, F1-score 0.711로 성능이 향 상되었다. 마지막으로, 이미지, 마스크, 임상 데이터를 통합한 멀티모달 접근 방식은 정확도 73.9%, F1-score 0.754로 가장 우수한 성능을 보였다 이러한 결과는 PKD 진단에 있어 다양한 정보를 통합하는 멀티모달 학습이 진 단 정확도를 높이는 데 효과적임을 시사한다.

목차

요약
Abstract
1. 서론
2. 제안 방법
2.1 데이터셋
2.2 전처리 방법
2.3 제안 실험방법
2.4 분류 성능 평가 지표
2.5 Training Setup
3. 실험결과
4. 결론
Acknowledgement
참고문헌

키워드

저자

• 파르예프 오이벡 [ Valiyev Oybek Marufjon Ugli | 국립금오공과대학교 소프트웨어공학과 ]
• 이광희 [ Kwanghee Lee | 국립금오공과대학교 컴퓨터공학부 ]
• 김영우 [ Youngwoo Kim | 국립금오공과대학교 컴퓨터공학부 ] 교신저자

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  한국차세대컴퓨팅학회 논문지 [THE JOURNAL OF KOREAN INSTITUTE OF NEXT GENERATION COMPUTING]

• 간기

  격월간

• pISSN

  1975-681X

• 수록기간

  2005~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 566 DDC 004