[논문 리뷰] Comparing Results of Thermographic Images Based Diagnosis for Breast Diseases

Érick Oliveira Rodrigues, Aura Conci외 4명|arXiv (Cornell University)|2022. 08. 30.

Infrared Thermography in MedicineMedicine참고 문헌 8인용 수 18

한 줄 요약

이 연구는 UFPE 병원에서 확보한 공공 데이터셋의 102장의 정적 열화상 영상(정상 54장, 이상 소견 48장)을 이용해 열화상 영상 기반 유방 질환 진단 가능성을 평가한다. 다양한 기계학습 분류기 간 성능을 비교하여, 최고 성능를 보였던 이전 방법의 특징을 활용한 순차 최소 최적화(Sequential Minimal Optimization, SMO) 알고리즘을 적용해 61.7%의 정확도와 Youden 지수 0.24를 달성하였다.

ABSTRACT

This paper examines the potential contribution of infrared (IR) imaging in breast diseases detection. It compares obtained results using some algorithms for detection of malignant breast conditions such as Support Vector Machine (SVM) regarding the consistency of different approaches when applied to public data. Moreover, in order to avail the actual IR imaging's capability as a complement on clinical trials and to promote researches using high-resolution IR imaging we deemed the use of a public database revised by confidently trained breast physicians as essential. Only the static acquisition protocol is regarded in our work. We used lO2 IR single breast images from the Pro Engenharia (PROENG) public database (54 normal and 48 with some finding). These images were collected from Universidade Federal de Pernambuco (UFPE) University's Hospital. We employed the same features proposed by the authors of the work that presented the best results and achieved an accuracy of 61.7 % and Youden index of 0.24 using the Sequential Minimal Optimization (SMO) classifier.

연구 동기 및 목표

• 기계학습을 활용해 열화상 영상의 유방 이상 진단 잠재력을 평가하기 위해.
• 표준화된 공공 열화상 영상 데이터셋에 대해 다양한 분류 알고리즘의 성능을 비교하기 위해.
• 고해상도 정적 열화상 영상 촬영 기법이 임상적 유방 질환 스크리닝에서 보조 수 Mittel로 활용될 수 있는지 검증하기 위해.
• 다시 가공되고 의사가 검증한 공공 데이터베이스를 기반으로 이전에 가장 우수한 성능를 보였던 방법의 특징을 활용해 기준 성능을 설정하기 위해.
• 임상적 검증이 이루어진 신뢰할 수 있고 공개 가능한 데이터셋을 제공함으로써 열화상 영상 연구를 촉진하기 위해.

제안 방법

• UFPE 대학병원에서 확보한 Pro Engenharia(ProEngenharia, PROENG) 공공 데이터베이스의 102장의 정적 적외선 열화상 영상 자료를 사용하였다.
• 일致성과 비교 가능성 확보를 위해 이전 연구에서 가장 높은 성능를 보였던 특징 집합을 동일하게 적용하였다.
• 정상 대 비정상 케이스 간 이진 분류를 위해 순차 최소 최적화(Sequential Minimal Optimization, SMO) 분류기를 활용하였다.
• 정확도 및 Youden 지수를 포함한 표준 지표를 사용해 모델 성능을 평가하였다.
• 동적 또는 체온 조절 반응 분석을 제외하고 정적 촬영 프로토콜에만 집중하였다.
• 임상적 관련성과 재현 가능성을 확보하기 위해 의사가 검증한 공개 가능한 데이터셋을 사용하였다.

실험 결과

연구 질문

• RQ1 기계학습을 활용해 정적 열화상 영상으로 악성 유방 질환과 정상 케이스를 구분하는 데 있어 임상적으로 의미 있는 정확도를 달성할 수 있는가?
• RQ2 표준화된 열화상 영상 데이터셋에 적용했을 때 SMO 분류기의 성능가 다른 알고리즘과 비교해 어떻게 되는가?
• RQ3 의사가 검증한 고해상도 공공 데이터베이스를 사용할 경우 열화상 진단 연구의 신뢰성은 어느 정도 향상되는가?
• RQ4 정적 열화상 영상 촬영 기법만으로의 진단 유용성은 정확도 및 Youden 지수로 측정했을 때 어떻게 되는가?
• RQ5 이전에 최고 성능를 보였던 모델의 특징 추출 방법을 일관되게 재현할 수 있는가, 그리고 새로운 데이터셋에서 유사한 성능를 달성할 수 있는가?

주요 결과

• SMO 분류기는 102장의 열화상 영상 테스트 세트에서 61.7%의 진단 정확도를 기록하였다.
• 0.24의 Youden 지수는 정상과 비정상 케이스 간 중간 정도의 진단 분리 능력을 나타내며, 비록 제한적이지만 의미 있는 분리가 이루어지고 있음을 시사한다.
• 이 연구는 기계학습과 결합된 열화상 영상 촬영 기법이 공공 데이터셋에서 측정 가능한 진단 성능를 제공할 수 있음을 확인하였다.
• 표준화된 특징 집합과 의사가 검증한 데이터셋을 사용함으로써 이전 연구 결과의 재현성이 입증되었다.
• 성능 수준는 열화상 영상가 임상 스크리닝에서 보조 수 Mittel로 활용될 수 있음을 시사하지만, 표준 영상 모드를 대체할 가능성은 낮다.
• 공개된 고해상도의 의사 검증 데이터베이스 사용은 향후 열화상 영상 연구의 신뢰성과 재현 가능성을 향상시킨다.