딥러닝 기반 척추 자동 분할 및 Cobb angle 측정의 임상적 적용

• Published in: 차세대컨버전스정보서비스기술논문지, 9(1) pp. 1 - 9
• Main Authors: 백명훈, 정진교, 김영재, 김광기, 전지영
• Format: Journal Article
• Language: Korean
• Published: 차세대컨버전스정보서비스학회 01.03.2020
• Subjects: 학제간연구
• ISSN: 2384-101X; 2672-1163
• DOI: 10.29056/jncist.2020.03.01

Cobb angle은 대표적인 척추 질환인 척추측만증의 진단 과정에서 중요하게 활용되는 척도로서, 측정의 정확도 및 신뢰성을 개선하려는 시도들이 있었다. 본 연구에서는 합성곱 신경망(Convolutional Neural Network)을 기반으로 한 흉추와 요추 영역 분할 모델을 사용하여 Cobb angle 측정에 적용하고자 하였다. 학습에 사용된 데이터는 총 252장이고, 학습된 모델의 성능을 평가하기 위해 10-겹 교차검증을 수행하였다. 그 결과, 본 모델은 0.927의 정확도, 0.999의 특이도, 0.998의 정확도, 0.927의 다이스 유사도 계수를 보였다. 또한, 전문의가 수동으로 분할한 척추 영역과 딥러닝 기반으로 분할한 척추 영역으로 측정한 Cobb angle 간의 차이는 통계적으로 유의하지 않았고, 둘 간의 급내 상관계수는 0.973이었다. 본 연구는 딥러닝 기반 접근이 임상 현장에서 cobb angle을 측정할 때 활용될 수 있음을 시사한다. Scoliosis is one of most common spine diseases. The measurement of Cobb angle is gold standard of the diagnosis of scoliosis. However, the reliability and accuracy of the cobb angle measurement has room for improvement. In this study, a model was trained for thoracic and lumbar vertebra segmentation based on Convolution Neural Networks. The data consisted of 252 data and 10-fold cross-validation was performed. Also, the measurement of cobb angle was performed using the deep learning-based approach and it was compared with that of manual measurement. As a result, the average sensitivity of the dataset was 0.927, the specificity was 0.999, the accuracy was 0.998, and the Dice’s similarity coefficient was 0.927. There is no statistical difference in cobb angle measured by the deep learning-based approach and the manual measurement. Also, the intraclass correlation coefficient between them was 0.973. Therefore, it is expected that vertebra segmentation using deep learning will be useful for the measurement of cobb angle. KCI Citation Count: 0