우리는 CT화상에서 페결절의 특징추출로부터 분류까지 진행하는 3차원U-Net중첩신경망의 구조와 그에 의한 페결절검출방법에 대한 연구를 진행하였다.
우리는 선행한 2차원U-Net중첩신경망을 3차원에로 확장하여 3차원U-Net중첩신경망구조를 설계함으로써 CT화상에서 결절의 3차원적인 특성을 검출에 효과적으로 리용할수 있게 하였다.
또한 LIDC자료모임의 마스크학습자료를 리용하여 3차원U-Net중첩신경망을 학습하여 결절검출성능을 높일수 있도록 합리적인 손실함수를 제기하였다.
LIDC자료모임에서 실험한 결과 우리가 제안한 방법으로 학습하여 얻은 페결절검출모형은 3~30mm크기의 결절들을 검출할수 있으며 결절검출의 민감도에서 선행한 방법들을 릉가한다는것을 보여주었다.
이 연구에서 제안된 CT화상에서의 페결절검출방법은 3mm정도의 작은 페결절들도 놓치지 않고 높은 정확도로 검출할수 있는것으로 하여 림상실천에서 페암조기진단을 지원하는데 효과적으로 리용될수 있다.
구체적인 연구결과는 잡지《International Journal of Advanced Networking and Applications》(ISSN: 0975-0290, Volume: 15, Issue: 05, Pages: 6082-6089)에 《A New Method of Lung Nodule Detection in CT Scans using 3D U-Net Convolutional Neural Network》(https://doi.org/10.35444/IJANA.2024.15501)의 제목으로 출판되였다.
