이수정 기자 | 승인 2023.11.02 16:32
연세대학교 치과대학병원 통합치의학과 김기덕 교수, 양수진 진료교수 연구팀은 지난 1일,
Generative Adversarial Network(GAN)을 이용해 생성한 제2대구치의 치근단 방사선 사진이 유
의미한 시각적 퀄리티를 가지고 있어, 생성한 영상 데이터가 효과적인 데이터 증강(data
augmentation)의 방법으로 사용될 수 있음을 입증했다고 밝혔다. 이번 연구결과는 국제학술지
사이언티픽 리포트(Scientific Reports, IF 4.997)에 개재됐다.
이 연구는 양수진 진료교수가 ‘세브란스 선도연구자 양성 프로젝트’ 과정으로 2022년 9월부터
2023년 8월까지 일본 나고야 소재의 Aichi Gakuin University 영상치의학과에서 ‘치과영상에 대
한 인공지능의 적용’이란 주제로 1년 동안 연수를 다녀오며 해당 연수기관 연구팀(Pf. Eiichiro
Ariji, Dr. Yoshitaka Kise, Natsuho Takata)과 협업으로 진행한 것이다.
GAN은 최근 data augmentation, segmentation, classification, noise/artifact removal, super-
resolution 및 예후 예측 작업을 포함한 다양한 의료 응용 분야에 활용되는 도구다.
GAN은 생성자와 판별자의 두 가지 구성 요소로 구성된 일종의 딥러닝 모델로, 생성기는 새로
운 데이터 샘플을 생성하고, 판별기는 실제 이미지와 생성된 이미지를 구별하는 역할을 한다.
두 모델은 반복적이고 적대적인 방식으로 훈련되어 현실적인 데이터를 생성할 수 있게 되며,
결과적으로 GAN은 의료 영상에서의 진단 및 치료 모델에서 훈련 데이터 부족에 대한 문제를
효과적으로 해결할 수 있는 잠재력을 갖는다.
과거 GAN은 의료 영상 생성에 제공하는 이점에도 불구하고, 그 복잡성과 상대적으로 큰 데이
터를 요구한다는 점, 머신 파워와 비용이 많이 드는 점 등으로 인해 모델 훈련에 어려움이 있
었다.
그러나 최근 개발된 StyleGAN2-ADA는 조건부 설정에 스타일 전달 기능을 도입하는 점진적 성
장 GAN(PGGAN)의 변형 형태를 가지면서, ADA(Adaptive Discriminator Augmentation)라는 새
로운 데이터 증강 기술을 도입해 상대적으로 적은 훈련 데이터 양으로도 향상된 이미지를 생
성할 수 있는 것으로 보고되고 있다.
연구팀은 치과 파노라마 영상에서 제2대구치에서의 C형 근관을 판별하는 데 있어 최신
StyleGAN2-ADA를 이용해 생성한 이미지의 효과를 검증하는 연구를 수행했다. 생성 이미지의
질 평가를 위해 평균 Frechet inception distance(FID)를 계산하고, 2명의 영상치의학 전문의를
대상으로 visual Turing test를 시행, 그 결과 GAN 합성 이미지가 만족스러운 시각적 품질을 나
타냄을 확인했다.
또한 생성 이미지 데이터셋을 C형 근관을 분류하는 CNN(Convolutional Neural Network)에 데
이터 증강 목적으로 적용하였을 때, 신경망의 분류 성능이 실제 데이터만 사용할 때보다 향상
된 것을 확인했다. 이는 클래스 간 불균형이 있는 데이터 조건을 해결하는 데 유리할 수 있음
을 입증한다.
김기덕 교수는 “세브란스 선도연구자양성 프로젝트를 통해 최신의 인공지능 기술을 치의학에
적용하는 연구를 국제, 다기관 규모로 진행할 수 있었다”며 “앞으로 통합치의학과의 연구팀은
다른 기관들과의 다기관 연구를 통해 치과 임상영역에서 마주하는 진단과 예후예측의 문제에
인공지능을 적용함으로써 인공지능을 치과의사의 의사결정보조시스템로 활용할 수 있는 연
구를 이어 나갈 계획”이라고 전했다.
출처 : 덴탈아리랑(https://www.dentalarirang.com)
홈
로그인
회원가입
196
2023-11-03
