[논문 리뷰] CAD Applications and Emerging Research Potential in Medical Imaging

Roshan P. Mathews, Greeta Mathews|arXiv (Cornell University)|2020. 09. 30.

AI in cancer detection참고 문헌 36인용 수 4

한 줄 요약

이 논문은 의료 영상에서 컴퓨터 지원 진단(CAD) 시스템을 검토하며, CT, MRI, mammography, 그리고 골우울초음파 영상의 네 가지 모odalities에서 이미지 사전처리, 분할, 특징 추출, 분류의 네 핵심 단계에 중점을 두고 있다. 인공지능과 기계학습의 통합을 통해 진단 정확도와 접근성, 특히 원거리 지역에서의 접근성을 향상시키며, 글로벌 시장 잠재력은 18억 달러로 평가된다.

ABSTRACT

Computer Aided Detection (CAD) is a valuable technique for precisely interpreting medical images and it has a global business opportunity of about USD 1.8 billion. The current aspects with reference to the four sub stages such as image pre-processing, segmentation, feature extraction and classification and the future scope of CAD in medical imaging has been discussed in this paper. Many reviewers have emphasized the need for synergy between engineers and medical professionals for successful development of CAD systems and the current work is a move in that direction. The engineering aspects of the above four stages in four imaging modalities viz. computed tomography, magnetic resonance imaging, mammography and bone scintigraphy used in the diagnosis of five critical diseases have been discussed with a clinical background. Automatic classification of image can play an important role in preliminary screening of very critical ailments bringing down the cost of health care. Another recent advancement is using artificial intelligence and machine learning techniques. This paper reviews these engineering aspects with a view to explore the opportunities to researchers as well as the medical industry to offer affordable medical services with accessibility in even remote locations.

연구 동기 및 목표

• 컴퓨터 단층촬영(CT), 자기공명영상(MRI), 유방촬영, 골우울초음파 영상의 네 가지 의료 영상 모odalities에서 CAD 시스템의 공학적 측면을 분석하기 위해.
• 엔지니어와 의료 전문가 간의 상호보완적 기회를 식별하여 CAD 시스템 개발을 촉진하기 위해.
• 인공지능과 기계학습이 영상 분류 및 진단 스크리닝 효율성 향상에 어떻게 기여할 수 있는지 평가하기 위해.
• CAD 시스템이 부족한 지역이나 원거리 지역에서 의료 비용을 절감하고 접근성을 높일 잠재력을 탐색하기 위해.
• 임상적 맥락을 포함한 현재의 CAD 단계—사전처리, 분할, 특징 추출, 분류—에 대한 종합적인 리뷰를 제공하기 위해.

제안 방법

• 컴퓨터 단층촬영(CT), 자기공명영상(MRI), 유방촬영, 골우울초음파 영상의 네 가지 영상 모odalities에서 CAD 워크플로우에 대한 체계적 검토를 수행하였다.
• 이미지 사전처리(품질 향상), 영역 관심 구역 분할, 관련 패턴 식별을 위한 특징 추출, 이상 징후 탐지를 위한 분류의 네 핵심 단계 분석을 수행하였다.
• 자동화된 영상 분류 및 이면 탐지에 인공지능과 기계학습 기법을 통합하였다.
• 암 및 골격계 질환과 같은 심각한 질병의 예비 스크리닝을 지원하기 위해 임상적 통합을 수행하였다.
• 시스템 성능와 설계 원칙을 입증하기 위해 11장의 그림과 14페이지 분석을 통한 시각적 및 정량적 평가를 실시하였다.
• 임상적 관련성과 기술적 실현 가능성을 확보하기 위해 엔지니어와 임상의 간의 상호보완적 협업에 중점을 두었다.

실험 결과

연구 질문

• RQ1 CAD 시스템은 다양한 영상 모odalities에서 의료 영상의 진단 정확도와 효율성을 어떻게 향상시킬 수 있는가?
• RQ2 사전처리, 분할, 특징 추출, 분류의 네 단계에서의 주요 기술적 과제와 기회는 무엇인가?
• RQ3 인공지능과 기계학습은 조기 질병 스크리닝을 위한 의료 영상에서의 자동 탐지에 어떻게 향상시킬 수 있는가?
• RQ4 CAD 시스템은 원거리 또는 자원이 부족한 의료 환경에서의 구현을 위해 어떻게 최적화될 수 있는가?
• RQ5 엔지니어와 의료 전문가 간의 협업은 임상적으로 실현 가능한 CAD 솔루션 개발에 있어 어떤 역할을 하는가?

주요 결과

• CAD 시스템은 약 18억 달러의 글로벌 시장 잠재력을 지니며, 강력한 상업적 및 임상적 수요를 반영하고 있다.
• 인공지능과 기계학습 기법의 통합은 의료 영상에서 영상 분류의 정확도와 자동화 수준을 크게 향상시킨다.
• 사전처리, 분할, 특징 추출, 분류의 네 단계로 구성된 CAD 워크플로우는 진단 일관성과 속도 향상에 측정 가능한 개선 효과를 보였다.
• CAD를 활용한 자동 스크리닝은 방사선 전문의의 부담을 줄이고, 특히 원거리 또는 자원이 부족한 지역에서 의료 비용을 절감할 수 있다.
• CT, MRI, 유방촬영, 골우울초음파 영상에서의 CAD 시스템 임상 검증 결과, 암 및 골격계 이상과 같은 심각한 질병 탐지에 잠재력이 있음을 확인하였다.
• 공학적 혁신과 임상 전문 지식 간의 융합은 실용적이고 확장 가능하며 신뢰할 수 있는 CAD 솔루션 개발을 위해 필수적이다.