Faster R-CNN 기반의 전이성 폐암 검출 성능 개선에 관한 연구
Study on Improving the Performance of Faster R-CNN Based Metastatic Lung Cancer Object Detection
- 발행기관 서강대학교 정보통신대학원
- 지도교수 박운상
- 발행년도 2024
- 학위수여년월 2024. 2
- 학위명 석사
- 학과 및 전공 정보통신대학원 소프트웨어공학
- 실제URI http://www.dcollection.net/handler/sogang/000000076743
- UCI I804:11029-000000076743
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권 보호를 받습니다.
초록
폐암은 폐에 생기는 악성 종양이다. 전이(Metastasis)는 암세포가 림프나 혈액의 흐름을 통해 다른 장기로 전이되는 현상을 말한다. 특히 폐암은 다른 암종에 비해 전이율이 높으며, 비소세포폐암 환자의 55~80%가 전이를 동반하고 있다. 또한 전이 여부에 따라 환자의 예후와 치료 방법이 달라짐으로 전이 상태의 폐암 결절을 검출하고, 분류하는 것이 중요하다. 대량의 CT 이미지를 방사선과 의사가 분석하기 위해서는 많은 시간을 요구하며, 보다 정확하고 빠른 진단을 위해 CAD(Computer Aided Diagnosis)가 도입되었다. CAD는 짧은 시간 안에 의료 영상으로부터 정확한 진단과 분석을 수행할 수 있도록 도와주는 시스템이다. 기존에도 CAD 시스템에 폐암 결절을 검출하는 연구는 많이 이루어진 바가 있다. 특히 LUNA16(Lung Nodule Analysis 2016) Challenge에서는 폐암 결절 검출을 위한 알고리즘을 개발하는 경진대회가 이루어지기도 하였다. 하지만 흉부 CT 이미지를 대상으로 전이 상태의 폐암 결절을 검출하는 연구는 아직 이루어지지 않았다. 본 논문에서는 Faster R-CNN 모델의 전이 상태의 폐암 결절에 맞춤화된 Anchor Box를 사용하고, 폐암 결절 객체 검출에 가장 적합한 Backbone CNN을 도출하였다. 마지막으로 객체 검출 성능을 높이기 위해 여러 개의 Faster R-CNN 모델의 출력을 Weighted Box Fusion(WBF) 알고리즘으로 결합하여 Intersection-Of-Union(IoU) 0.75 임계치에서 기존 Faster R-CNN 대비 전이된 폐암 결절 검출에서는 7.78%, 전이되지 않은 폐암 결절 검출에서는 10.97%가 향상된 Average Precision(AP) 성능 수치를 개선하였다. 객체 검출 결과를 활용하여 폐암 유무를 분류하였을 때 Recall 수치는 99.95%로 기존과 대비하여 1.85% 개선하였다.
more초록
Lung cancer is a malignant tumor that originates in the lungs. Metastasis refers to the phenomenon where cancer cells spread to other organs through the flow of lymph or blood. Lung cancer, in particular, has a higher metastasis rate compared to other types of cancer, with 55-80% of non-small cell lung cancer patients experiencing metastasis. Furthermore, the prognosis and treatment methods for patients vary depending on the presence of metastasis. Therefore, it is crucial to detect and classify malignant pulmonary nodules with metastasis. Analyzing a large number of CT images manually by radiologists requires a significant amount of time. To achieve more accurate and faster diagnoses, Computer-Aided Diagnosis (CAD) systems have been introduced. CAD assists in performing precise diagnosis and analysis of medical images within a short time frame. Numerous studies have been conducted on CAD systems for detecting malignant pulmonary nodules. The LUNA16 (Lung Nodule Analysis 2016) challenge was held to develop algorithms for detecting pulmonary nodules, aiming to identify those that exhibit the highest performance. However, research on detecting malignant pulmonary nodules with metastasis in chest CT images has not yet been conducted. This thesis used customized anchor boxes for malignant pulmonary nodules with metastasis and identified the most suitable backbone convolutional neural network (CNN). To improve object detection performance, the Weighted Box Fusion (WBF) algorithm was introduced to combine the outputs of multiple Faster R-CNN models. At the Intersection-Over-Union (IoU) threshold of 0.75, there was an improvement of 7.78% in Average Precision (AP) performance for metastatic pulmonary nodule detection compared to the original Faster R-CNN. For non-metastatic pulmonary nodule detection, there was a 10.97% enhancement in AP performance. Finally, when utilizing the object detection results to classify the presence of malignant pulmonary nodules, the recall rate improved by 1.85% to 99.95% compared to original Faster R-CNN
more목차
제 1 장 서론 1
제 1 절 연구의 배경 1
제 2 절 연구 목적 2
제 3 절 논문 구성 3
제 2 장 관련 연구 4
제 1 절 연구 동향 4
제 3 장 제안 방법 7
제 1 절 Faster R-CNN 7
(1) 활성화 함수 9
(2) 손실 함수 9
(3) Non-Maximum Suppression 11
(4) Anchor Box 12
(5) Backbone Convolution Neural Network 13
제 2 절 Ensemble 17
제 4 장 연구 실험 및 결과 20
제 1 절 성능 평가 지표 20
제 2 절 데이터 수집 23
제 3 절 데이터 전처리 23
제 4 절 모델 학습 25
(1) 학습 환경 25
(2) 학습 모델 선택 26
제 5 절 모델 성능 평가 30
제 5 장 결론 35
참고 문헌 36
