[ 연구 성과 및 콜로키움 성과 보고 ]

<​우수성>

1. Medical image상에서 Speckle noise 제거와 동시에 wavelet transform coded 초음파 합성 이미지을 이용하여 유의미한 정보만 추출하여 기존 기술대비 탁월한 classificiation 성능을 보이는 새로운 feature vector 추출 기술.

​

2. Orthogonal Frequency BandWise (OFBW) feature vector 추출 알고리즘은, texture 중심의 medical image로 부터 매우 풍부한 feature vector를 추출하여 인공지능 네크웍에 제공함으로서, 고난이도 texture 인식 문제에서도 고성능의 classification이 가능할 뿐만 아니라, 다른 의료 진단 분야(MRI, X-Ray, CT) 에도 적용 가능한 우수한 확장성을 제공함.

3. 제안된 인공지능 유방암 screening Network 플랫폼은 Deep learning과 Shallow learning의 병합함으로써, 의료 screening 검사용으로 손색이 없는 95%의 이상의 우수한 정확도를 가진 유방암 Screening 능력을 제공함.

​

​

<​구현 결과>

Orthogonal Frequency BandWise (OFBW) feature vector를 사용하여, 특이도 95.96%, 민감도 88.28%, 그리고 정확도 94.87%를 기록하며 뛰어난 성능을 보임. 동일 네트워크를 이용한 기존 기술 대비, 정확도 3.84% 이상의 향상된 결과를 보임.

​

<기대효과>

의료 진단 서비스 측면 - 의료기술과 AI 기술의 융합 연구를 통한 의료기술 및 AI 기술의 발전기여

​

① 유방암 초음파 환자의 폭증에 따른 전문 인력의 부족 문제를 해결하기 위해 인공지능이 전문의의 보조역할을 하는 인공지능형 유방암 진단 플랫폼으로, 의사의 정밀진단 필요 여부를 자동으로 판별하는 screening 서비스를 제공해 주는 screening 진료 보조 system으로 활용 가능.

​

② AI를 활용하여 일차적으로 normal인지 benign인지 malignant인지 알려주어 의사가 효율적으로 진료 시간을 사용할 수 있어 진료의 효율성 상승 기대.