[논문 리뷰] Microwave Breast Imaging via Neural Networks for Almost Real-time Applications

Michele Ambrosanio, Stefano Sellari Franceschini외 2명|arXiv (Cornell University)|2021. 03. 21.

Microwave Imaging and Scattering Analysis인용 수 9

한 줄 요약

이 논문은 자체 개발한 유방 필름 생성기와 전진 해석기에서 유도된 합성 데이터로 훈련된 완전 연결 신경망(ANN)을 활용해 실시간 가까운 마이크로파 유방 영상 기술을 제안한다. 기존의 비선형 역산 방법과 비교해 재구성 정확도가 뛰어나며, 특히 전도도 지도의 정확도가 뛰어나며 계산 시간을 실시간 수준으로 단축시켜 조기 암 진단 분야에서 임상 적용에 매우 유망하다.

ABSTRACT

Conventional breast cancer imaging techniques are nowadays based on the use of ionising radiations or ultrasound waves for the inspection of breast areas. Nevertheless, these conventional techniques present some drawbacks related to patient safety, processing time and resolution issues. In this framework, microwave imaging can represent a valid alternative or a complementary technique compared to other conventional medical imaging modalities since it is safe (using non-ionising radiations), relatively cheap and more comfortable from patient point of view. Unfortunately, it is slow and computationally expensive, which strongly limit its use in clinical scenarios. In this paper, an artificial neural network for effective and almost real-time breast imaging is proposed. First, a realistic breast-like phantom generator was developed for training the network. Subsequently, numerical analyses have been conducted for the optimisation and the performance evaluation of the approach. The results seem very promising in terms of recovery performance as well as for the computation burden.

연구 동기 및 목표

• 기존의 역산 산란 기법의 계산 부담을 해결하기 위해 빠르고 정확하며 강건한 마이크로파 유방 영상 기법을 개발하기 위해.
• 임상적으로 실현 가능한 시간 내에 산란 마이크로파 데이터로부터 유전율 및 전도도와 같은 유전율 특성을 재구성하는 데 도전하기 위해.
• 마이크로파 영상에서 가장 어려운 파라미터이자 진단적으로 가장 중요한 전도도 지도의 복원을 향상시키기 위해.
• MRI 데이터에서 유도된 실제적인 수치적 유방 필름을 기반으로 한 검증을 통해 임상적 관련성을 확보하기 위해.
• 실제 적용에 적합하기 위해 낮은 신호 대 잡음비(SNR, e.g., 5 dB)에서도 강건한 성능을 보여주기 위해.

제안 방법

• 측정된 산란장 데이터에서 조직 특성 지도(유전율 및 전도도)로 매핑하는 완전 연결 신경망(ANN)을 훈련한다.
• 다양한 조직 분포와 유전율 특성을 가진 현실적인 이질적 유방 필름을 생성하기 위해 자체 개발한 내부 유방 유사 필름 생성기를 사용한다.
• 유한요소법(FEM) 기반 전진 해석기가 훈련을 위해 합성 산란장 데이터를 생성하며, 다수의 안테나를 포함한 3D 마이크로파 톰그래피 설정을 시뮬레이션한다.
• 다양한 신호 대 잡음비(SNR) 조건(예: 30 dB 및 5 dB)에서 훈련된 데이터셋을 통해 신뢰성 확보를 위해 네트워크를 종합적으로 훈련한다.
• 1 GHz 주파수에서의 유방 필름 3D 전자기 시뮬레이션 데이터를 포함하며, 현실적인 안테나 구성 및 노이즈 모델을 적용한다.
• 반복적 역산을 회피하고 직접 역함수 매핑을 학습함으로써 훈련 후 실시간 추론이 가능하도록 한다.

실험 결과

연구 질문

• RQ1 딥 신경망은 고정밀도와 저비용 계산을 바탕으로 마이크로파 유방 영상에서 산란 역함수 매핑을 효과적으로 학습할 수 있는가?
• RQ2 제안된 ANN 기반 방법은 기존의 비선형 역산 기법(예: DBIM 및 CSI)과 비교해 유전율 및 전도도 지도 재구성에 있어 어떤 성능을 보이는가?
• RQ3 특히 낮은 신호 대 잡음비(SNR, 예: 5 dB) 조건에서 제안된 방법의 노이즈에 대한 강건성은 어느 정도인가?
• RQ4 실제 MRI 유래 유방 필름에 대해 네트워크가 일반화 가능한가? 임상적 관련성을 보장할 수 있는가?
• RQ5 기존 방법과 비교해 피부층 및 종양 경계와 같은 중요한 구조물의 해상도가 향상되는가?

주요 결과

• 제안된 ANN 기반 방법은 기존의 비선형 역산 기법(DBIM 및 CSI)보다 유전율 및 전도도 지도 재구성에서 뛰어난 성능을 보이며, 특히 노이즈가 있는 조건에서도 뛰어나다.
• 실시간 성능을 확보하여 기존 방법(예: 15회 DBIM 반복에 5시간 이상 소요)의 수시간에서 수밀리초 수준으로 계산 시간을 단축시켰다.
• 노이즈에 강건하며, 낮은 신호 대 잡음비(SNR 5 dB) 조건에서도 높은 품질의 재구성 결과를 유지하며 조직 경계 및 피부층 구조를 명확히 복원한다.
• 기존 방법보다 전도도 지도의 복원 정확도가 크게 향상되어 악성 조직 진단에 매우 중요한 요소로 작용한다.
• 실제 MRI 유래 필름에서 산산이 흩어진 섬유선형 조직 및 이질적인 조밀한 유방 구조를 고해상도로 정확히 복원하였다.
• 네트워크 성능은 아키텍처에 민감하며, 다양한 구조에서 특정 대역폭에서 성능 향상이 나타나므로 맞춤형 설계가 필요함을 시사한다.