[논문 리뷰] Deep Learning and Health Informatics for Smart Monitoring and Diagnosis

Amin Gasmi|arXiv (Cornell University)|2022. 08. 05.

Artificial Intelligence in Healthcare인용 수 4

한 줄 요약

이 논문은 영상의학, 안과 및 종양학 분야에서 질병 탐지 능력을 향상시키기 위해 다중 모odal 데이터, 전이 학습 및 고급 신경망을 활용한 딥러닝 및 헬스 인포매틱스 프레임워크를 제안한다. AI 기반 영상 분석 및 데이터 증강 기법을 통해 간질성 폐질환 및 암과 같은 질환의 진단 정확도를 향상시킨다.

ABSTRACT

The connection between the design and delivery of health care services using information technology is known as health informatics. It involves data usage, validation, and transfer of an integrated medical analysis using neural networks of multi-layer deep learning techniques to analyze complex data. For instance, Google incorporated ''DeepMind'' health mobile tool that integrates \& leverage medical data needed to enhance professional healthcare delivery to patients. Moorfield Eye Hospital London introduced DeepMind Research Algorithms with dozens of retinal scans attributes while DeepMind UCL handled the identification of cancerous tissues using CT \& MRI Scan tools. Atomise analyzed drugs and chemicals with Deep Learning Neural Networks to identify accurate pre-clinical prescriptions. Health informatics makes medical care intelligent, interactive, cost-effective, and accessible; especially with DL application tools for detecting the actual cause of diseases. The extensive use of neural network tools leads to the expansion of different medical disciplines which mitigates data complexity and enhances 3-4D overlap images using target point label data detectors that support data augmentation, un-semi-supervised learning, multi-modality and transfer learning architecture. Health science over the years focused on artificial intelligence tools for care delivery, chronic care management, prevention/wellness, clinical supports, and diagnosis. The outcome of their research leads to cardiac arrest diagnosis through Heart Signal Computer-Aided Diagnostic tool (CADX) and other multifunctional deep learning techniques that offer care, diagnosis \& treatment. Health informatics provides monitored outcomes of human body organs through medical images that classify interstitial lung disease, detects image nodules for reconstruction \& tumor segmentation. The emergent medical research applications gave rise to clinical-pathological human-level performing tools for handling Radiological, Ophthalmological, and Dental diagnosis. This research will evaluate methodologies, Deep learning architectures, approaches, bio-informatics, specified function requirements, monitoring tools, ANN (artificial neural network), data labeling \& annotation algorithms that control data validation, modeling, and diagnosis of different diseases using smart monitoring health informatics applications.

연구 동기 및 목표

• 복잡한 질병의 실시간 지능형 모니터링 및 진단을 위해 딥러닝을 헬스 인포매틱스와 통합한다.
• 다양한 의료 영상 데이터의 복잡성을 해결하기 위해 다중 모달, 준감독 및 전이 학습 기법을 적용한다.
• CT, MRI 및 망막 스캔에 기반한 심층 신경망을 활용하여 영상의학, 안과 및 종양학 분야의 진단 정확도를 향상시킨다.
• 임상용 AI 응용 프로그램을 위한 견고한 데이터 레이블링, 주석 처리 및 검증 파이프라인을 개발한다.
• AI 강화 진단 도구를 통해 비용 효율적이고 접근 가능하며 확장 가능한 의료 솔루션을 제공한다.

제안 방법

• CT, MRI 및 망막 스캔에서 유래한 복잡한 다중 모달 의료 데이터를 처리하기 위해 다층 심층 신경망을 활용한다.
• 데이터 의존도를 줄이고 모델 일반화 능력을 향상시키기 위해 전이 학습 및 비감독/준감독 학습 기법을 적용한다.
• 모델의 강건성 향상 및 3D/4D 영상 겹침 처리를 위해 데이터 증강 및 타겟 포인트 레이블 검출 기법을 활용한다.
• 임상 신뢰성을 확보하기 위해 인공 신경망(ANN)과 고급 데이터 검증 및 주석 알고리즘을 통합한다.
• 임상 병리학적 데이터를 활용하여 진단 과제에서 인간 수준의 성능을 달성하는 모델을 훈련시킨다.
• 심장 정지 탐지 및 기타 다기능 진단 응용 프로그램을 지원하기 위해 CADx(CoMputer-Aided Diagnostic) 도구를 사용한다.

실험 결과

연구 질문

• RQ1 딥러닝 아키텍처는 영상의학 및 안과 영상의 진단 정확도를 어떻게 향상시킬 수 있는가?
• RQ2 데이터 증강 및 전이 학습은 의료 AI 모델의 데이터 부족 문제를 어떻게 해결하는가?
• RQ3 다중 모달 딥러닝은 CT, MRI 및 망막 스캔 데이터를 효과적으로 통합하여 질병 탐지 능력을 향상시킬 수 있는가?
• RQ4 비감독/준감독 학습 기법은 제한된 레이블이 부여된 의료 데이터로 모델 성능을 어떻게 향상시킬 수 있는가?
• RQ5 AI 기반 헬스 인포매틱스 시스템은 임상 환경에서 인간 수준의 진단 성능을 얼마나 달성할 수 있는가?

주요 결과

• 딥마인드가 무어필드 안과 병원과 통합되어 수백 개의 망막 스캔에 기반한 딥러닝을 활용해 망막 이상을 정확하게 탐지하였다.
• 딥마인드 UCL은 고급 신경망 아키텍처를 통해 CT 및 MRI 스캔을 활용해 악성 조직을 고정확도로 식별하였다.
• 하트 시그널 CADx 도구는 심전도 및 영상 데이터의 AI 기반 분석을 통해 심장 정지의 진단을 향상시켰다.
• 데이터 증강 및 타겟 포인트 레이블링은 종양 세그멘테이션 및 영상 복원 과제에서 모델 성능을 크게 향상시켰다.
• 전이 학습 및 다중 모달리티 학습은 다양한 의료 영상 응용 분야에서 높은 진단 정확도를 유지하면서도 데이터 의존도를 감소시켰다.
• 이 프레임워크는 AI 강화 진단 시스템을 통해 확장 가능하고 비용 효율적이며 접근 가능한 의료 서비스 제공 잠재력을 보였다.