기술개요
본 기술은 미숙아 또는 생후 6개월 미만 영유아의 MRI 영상에서 뇌 영역을 딥러닝 기법으로 정밀하게 분할하고, 각 영역의 체적을 자동으로 산출하여 정량적 진단지표로 활용 가능한 의료 영상 분석 시스템임
기술 구현 내용
1) 입력 및 전처리
- 입력: 동일 영역의 T1/T2 강조 MRI 데이터 및 라벨 데이터
- 전처리: 각 데이터셋을 3D화 후 방향별(Axial, Coronal, Sagittal) 슬라이싱 → 2D 이미지 생성
2) 딥러닝 학습
- 모델: 2D U-Net 기반
- 손실 함수: FL(Focal Loss) + GDL(Generalized Dice Loss)의 하이브리드 방식
- 출력: 각 픽셀에 대한 확률 맵 (GM/WM/CSF 등 뇌 구조 분할용)
3) 추론 및 융합
- 세 방향별 예측 결과를 융합하여 확률 평균값이 가장 높은 클래스를 픽셀에 할당
- 오류 가능성을 고려한 다양한 평균값 계산 방법 포함
4) 분석 및 체적 산출
- 예측된 픽셀 분포를 기반으로 체적 연산
- MRI의 복셀 크기 정보(x, y, z)를 활용하여 실제 단위(mm³)로 뇌 영역의 체적 추정
시장성
1) 의료 영상 분석 시장
- 글로벌 의료 영상 분석 시장 규모는 2023년 기준 41억 6,000만 달러에서 2032년 67억 6,000만 달러까지 연평균 5.7%로 성장할 것으로 전망도미
2) 주요 성장 요인
- 소아/신생아 대상 정밀의료에 대한 수요 증가
- COVID-19 이후 영유아 발달 모니터링 수요 급증
- 의료 영상의 자동 분석, 임상지원 시스템 도입 확대
- 딥러닝 기반 진단 보조 솔루션의 규제 완화 및 인증 활성화
기술의 차별성
1) 기존 기술의 한계
- 밝기값에만 의존하는 MRI 분석으로는 생후 6개월 이하 영유아의 뇌 영역(GM, WM 등) 구분이 불가능하거나 정확도가 매우 낮음
2) 본 발명의 특장점
- 딥러닝 기반 예측 모델로 각 방향별로 분할 결과 도출 + 융합하여 높은 정확도의 자동 분할 수행
3) 차별화 포인트
- 3방향 입력(Multi-view)을 통해 2D 딥러닝의 정확도 보완
- 라벨링된 학습데이터를 기반으로 예측결과 확률맵 생성
- 각 뇌영역의 체적까지 자동 정량화 가능 (진단 활용성 ↑)
- 전처리, 학습, 추론, 분석까지 전 과정 자동화로 임상 적용 용이
