딥러닝기반 대장내시경 용종 검출에서 작은 용종의 검출 성능분석 및 성능향상 연구 (Small Polyp Detection Performance Analysis and Performance Improvement Study in Deep Learning-based Colonoscopy Polyp Detection)

서지정보

· 발행기관 : 한국지능시스템학회
· 수록지 정보 : 한국지능시스템학회 논문지 / 32권 / 1호 / 68 ~ 75페이지
· 저자명 : 하성화, 신영학

초록

딥러닝 기술의 발전으로 이미지 객체 검출 기술이 여러 분야에서 적용되고 있다. 하지만, 작은 객체 검출 기술의 한계 때문에 기술이 적용된 서비스를 도입하는 데 어려움을 겪고 있다.
특히 사람의 생명과 직결된 의료 영상 분야에서 작은 객체 검출의 어려움은 큰 문제점인 동시에 해결해야 할 숙제이다. 작은 객체 검출의 어려움은 주로 학습 데이터의 편향으로 인해발생한다. 학습 데이터에는 작은 객체보다는 큰 객체가 상대적으로 많이 포함되어 있기 때문이다. 본 연구에서는 이러한 편향을 줄이기 위해 대장 내시경 이미지의 크기를 축소하여학습하는 방법과 작은 객체가 포함된 데이터의 양을 늘려 학습하는 오버 샘플링, 이미지 내에 작은 객체 부분을 복사하여 다른 이미지에 붙여 넣는 copy-pasting 방법을 제안한다. 각각의 알고리즘에 대해 대량의 대장 내시경 비디오 데이터 셋으로 비교 평가하였다. 실험결과, 기존의 데이터 셋으로 테스트 하였을 때 0~6cm2 2 크기의 용종 772개 중 55개만 검출에 성공 하였지만, 이미지 크기를 축소하여 학습하는 방법을 적용하였을 때 772개 중 222개를 검출에 성공하였다.

영어초록

With the development of deep learning technology, image object detection is being applied in various fields. However, due to the limitations of small object detection, it is difficult to introduce a service to which the technology is applied. In particular, in the field of medical imaging directly related to human life, the difficulty of detecting small objects is a big problem and homework to be solved. It is mainly caused by the bias of the training data. This is because the training data contains relatively more large objects than small objects. In this study, to reduce this bias, the training method by reducing the size of the colonoscopy image, oversampling training by increasing the amount of data containing small objects, and we propose a copy-pasting method. For each method, a large amount of colonoscopy video dataset is used for comparative evaluation. As a result of the experiment, when tested with the existing data set, only 55 of 772 polyps with a size of 0 to 6 cm2 2 are successfully detected, but when the training method by reducing the image size is applied, 222 out of 772 polyps are successfully detected.

참고자료

· 없음