한국형 갑상선 초음파 영상의 병변 분할 딥러닝 모델

• 영문명: Deep Learning-Based Lesion Segmentation in Korean Thyroid Ultrasound Images
• 발행기관: 대한방사선과학회(구 대한방사선기술학회)
• 저자명: 채희진(Hee-Jin Chae) 안현(Hyun An)
• 간행물 정보: 『방사선기술과학』제48권 제4호, 335~342쪽, 전체 8쪽
• 주제분류: 의약학 > 방사선과학
• 파일형태: PDF
• 발행일자: 2025.08.31

국문 초록

본 연구는 한국 임상 데이터를 기반으로 한 초음파 영상에서 갑상선 결절을 자동 분할하기 위한 딥러닝 기반 모델을 개발하는 것을 목표로 한다. 기존 진단 방식이 주관적 해석에 크게 의존하는 한계를 인식하고, 진단 정확도를 향상시키기 위해Attention UNet 구조를 적용하였다. 2022년부터 2024년까지 국내 의료기관에서 수집된 총 335장의 초음파 영상을 사용하였으며, 각 영상은 양성, 악성으로 분류하였다. 학습 최적화를 위해 수작업으로 관심 영역(ROI)을 마스킹하고, 회전, 확대, 기울이기 등의 데이터 증강 기법을 적용하였다. 모델은 학습 데이터에 대해 99.4%의 정확도, 88.8%의 Dice 계수, 85.6%의 F1 점수를 기록하며 견고한 성능을 보였다. 시각적 분석에서도 대비가 낮거나 형태가 불규칙한 병변에 대해서도 효과적인 분할이 이루어졌음을 확인할 수 있었다. 다만, 매우 작거나 경계가 불명확한 결절에서는 성능 저하가 관찰되었다. 이러한 결과는 다양한 데이터셋 확보와 설명 가능한 인공지능 기술의 접목이 필요함을 시사한다. 전반적으로 제안된 모델은 갑상선 질환 진단을지원하는 임상 의사결정 도구로서 높은 가능성을 보여준다.

영문 초록

This study aims to develop a deep learning-based model for the automatic segmentation of thyroid nodules in ultrasound images, particularly tailored to Korean clinical data. Recognizing the limitations of conventional diagnosis, which relies heavily on subjective interpretation, we employed an Attention UNet architecture to enhance diagnostic accuracy. A total of 335 ultrasound images—categorized as normal, benign, and malignant—were retrospectively collected from Korean medical institutions between 2022 and 2024. Manual region-of-interest (ROI) masking and data augmentation techniques (rotation, scaling, shearing) were applied to optimize training. The model demonstrated robust performance, achieving a training accuracy of 99.4%, a Dice Coefficient of 88.8%, and an F1 Score of 85.6%. Visual analysis further confirmed effective segmentation even in low-contrast or irregular lesions. Nonetheless, performance degradation was observed in cases involving very small or poorly defined nodules. These findings suggest the need for diversified datasets and integration with explainable AI techniques. Overall, the proposed model shows significant promise as a clinical decision-support tool for thyroid disease diagnosis.

목차

Ⅰ. 서 론

Ⅱ. 연구재료 및 방법

Ⅲ. 결 과

Ⅳ. 고 찰

Ⅴ. 결 론

REFERENCES

키워드

갑상선 초음파 딥러닝 의료영상분석 병변분할 인공지능 Thyroid Ultrasound Deep Learning Medical Image Analysis Lesion Segmentation Artifical Intelligence