AI-Hub

○ 임무 정의
- (임무 0) 뇌졸중 이미지 합성 모델 : 허혈성 뇌졸중, 출혈성 뇌졸중, 정상 대조군의 MRI-CT 3D 합성 이미지 생성
- (임무 1) 출혈성 뇌졸중 여부 분류 모델 : 출혈성 뇌졸중과 대조군의 MRI-CT 쌍 데이터를 활용하여 출혈성 뇌졸중 해당 여부 분류
- (임무 2) 허혈성 뇌졸중 여부 분류 모델 : 허혈성 뇌졸중과 대조군의 MRI-CT 쌍 데이터를 활용하여 허혈성 뇌졸중 해당 여부 분류
- (임무 3) 출혈성 뇌졸중 병변 분할 모델 : 출혈성 뇌졸중의 MRI-CT 쌍 데이터를 활용하여 Hemorrhage 병변 영역 분할
- (임무 4) 허혈성 뇌졸중 병변 분할 모델 : 허혈성 뇌졸중의 MRI-CT 쌍 데이터를 활용하여 Ischemic core 병변 영역 분할
 

○ 임무 선정 사유
- 본 과제의 구축 데이터는 뇌졸중 이미지 합성 데이터이므로, 실제 의료기관에서 수집한 원본 데이터를 활용하여 합성 데이터를 생성하는 인공지능 모델을 구축
- 구축한 합성 데이터는 인공지능 학습용 데이터셋으로써 유효성을 확보하기 위해, 뇌졸중 진단 보조에 필수적인 질환군 분류, 병변 영역 분할 목적의 AI 모델을 개발하여 충분한 성능을 도출하는지 검증
 

○ 학습모델 개발 환경
- 학습 환경 및 조건: Python 3.9.19, Pytorch 2.5.1, GPU 서버
- 모델리소스 및 자원 활용: 고성능 GPU 서버를 사용하여 모델 학습을 진행
- 모델 개발: 1-Cycle 자가 점검 계획에 맞춰 모델 개발
- 성능지표 (F1 score 및 DSC) 결과를 통해 가장 성능이 우수한 모델로 최종 선정
 

○ 최종 선정 모델
- (임무 0) 뇌졸중 이미지 합성 모델 : Med-DDPM / ESRGAN
∨ 고품질의 3차원 뇌 MRI 영상을 합성하기 위해 조건부 확산 모델인 Med-DDPM (Medical Denoising Diffusion Probabilistic Model)과 Super-Resolution 모델인 ESRGAN (Enhanced Super-Resolution Generative Adversarial Networks)을 결합한 2단계 프레임워크를 사용함.
∨ 의료 영상 합성에서 가장 중요한 요소인 병변의 위치와 크기를 정밀하게 제어하기 위해 Med-DDPM을 선정함. Med-DDPM은 분할 마스크를 조건으로 입력받아 사용자가 의도한 해부학적 특징을 정확히 반영할 수 있다는 장점을 지님.
∨ 또한 ESRGAN은 Med-DDPM으로부터 생성된 3D 합성 이미지의 고해상도 디테일 및 질감 복원을 위해 후처리 모델로 선정함. ESRGAN은 실제 MRI 영상과 유사한 미세한 노이즈와 텍스처를 복원하는 데 탁월한 성능을 보임.

▲ Med-DDPM 아키텍처

▲ ESRGAN 아키텍처

- (임무 1) 출혈성 뇌졸중 여부 분류 모델 : 3D ResNet
- (임무 2) 허혈성 뇌졸중 여부 분류 모델 : 3D ResNet
∨ 3D ResNet은 기존의 CNN의 한계로 지적되는, 깊은 네트워크 구조에서의 그래디언트 소실을 방지하며, 본래 안정적인 학습이 가능하여 분류 모델로 널리 사용됨. 
∨ 3D convolution 연산을 통해 시공간적 정보나 볼륨 기반 특징을 효과적으로 추출할 수 있어 구조적 복잡성과 해부학적 다양성이 높은 뇌 영상 모델 학습에 적합함.

▲ 3D ResNet 아키텍처

- (임무 3) 출혈성 뇌졸중 병변 분할 모델 : 3D ResUnet
- (임무 4) 허혈성 뇌졸중 병변 분할 모델 : 3D ResUnet
∨ 3D ResUnet의 각 convolution block에 도입된 잔차 연결 구조는 입력 특징을 다음 층으로 직접 전달함으로써 기울기 소실 문제를 방지하고, 안정적인 학습을 가능하게 함.
∨ 3D 의료영상은 추출되는 특징이 많고, 병변의 경계가 불명확하거나 해부학적으로 복잡한 구조를 포함하는 경우가 많음. ResUNet의 Unet 구조는 이러한 3D 영상의 정교한 공간적 구조와 영상적 특징을 효과적으로 학습할 수 있음.

▲ 3D ResUNet 아키텍처

○ 라벨링 데이터 포맷

○ JSON 예시
{
    "File Name": "ANO_1001_IS_MRI_DWI",
    "ID": "ANO_1001",
    "Group": "Ischemic Stroke",
    "Age": null,
    "Sex": null,
    "Image Rows": 256,
    "Imsize Columns": 256,
    "Image Modalitu": "MRI(DWI)",
    "CT Lesion Presence": 0,
    "MRI Lesion Presence": 1,
    "Ischemic Core": [
        {
            "Slide Number": 0,
            "Coordinate": [
                [
                    122.0,
                    260.0
                ],
                [
                    121.0,
                    261.0
                ],
                [
                    120.0,
                    261.0
                ],
                ... (중략) ...
                [
                    128.0,
                    260.0
                ],
                [
                    122.0,
                    260.0
                ]
            ]
        }
    ],
    "Hemorrhage": null
    "Lesion Location": [
        {
            "R": 4,
            "L": 2
        }
    ]
}