AI-Enhanced Ultrasound Analysis : A Breakthrough in CIMT Measurement and CAC Scoring for Arteriosclerosis Risk Management
- 주제어 (키워드) Ultrasound , Artificial Intelligence , Medical AI , Diagnosis
- 발행기관 서강대학교 일반대학원
- 지도교수 송태경
- 발행년도 2024
- 학위수여년월 2024. 2
- 학위명 박사
- 학과 및 전공 일반대학원 전자공학과
- 실제URI http://www.dcollection.net/handler/sogang/000000076879
- UCI I804:11029-000000076879
- 본문언어 영어
- 저작권 서강대학교 논문은 저작권 보호를 받습니다.
초록
Arteriosclerosis is the leading cause of mortality globally, necessitating early and effective detection methods to mitigate its impact. The traditional approach of measuring carotid artery wall thickness via ultrasound has been instrumental in assessing cardiovascular risk. However, this method is not without its limitations, often restricted to specific arterial sites, potentially compromising the reliability of the results by only reflecting a partial view. This paper introduces an advanced artificial intelligence (AI) model, tailored to learn from various carotid artery segments, thereby enhancing the accuracy of arterial wall thickness measurements. A widely accepted indicator of arteriosclerosis risk, the Coronary Artery Calcium (CAC) Score, is typically obtained through CT scans. Despite their efficacy, CT scans carry inherent drawbacks, such as radiation exposure and limited accessibility. Addressing these concerns, this study pioneers the prediction of CAC Scores using carotid ultrasound images through deep learning techniques, thereby expanding the potential for more accurate and widely available arteriosclerosis risk assessment via non-invasive means. The results obtained from the AI model were compared with the assessments of a cardiovascular specialist. The comparison not only affirmed the high accuracy of the AI predictions but also underscored the practicality of ultrasound-based evaluations. Consequently, the findings of this paper underscore the feasibility of employing AI-enhanced ultrasound imaging as a reliable alternative to CT scans for arteriosclerosis screening. This research demonstrates the potential of integrating AI with current medical practices to improve the standard of care and facilitate broader access to cardiovascular risk assessment.
more초록
동맥경화는 전 세계적으로 사망률의 주요 원인이며, 그 영향을 완화하기 위해서는 조기에 효과적인 감지 방법이 필요하다. 초음파를 통해 경동맥 혈관 벽 두께를 측정하는 전통적인 접근법은 심혈관 위험을 평가하는 데 중요한 역 할을 하고 있다. 그러나 이 방법은 종종 특정 동맥 부위에 국한되어 부분적인 결과만 반영하여 신뢰성을 낮출 수 있다. 본 논문에서는 다양한 경동맥 세그 먼트를 학습할 수 있는 인공지능 모델을 설계하여 경동맥 혈관벽 두께 측정의 정확도를 높이고자 한다. 일반적으로 널리 인정되는 동맥경화 위험 지표인 CAC(Coronary Artery Calcium) 점수는 CT 촬영을 통해 획득된다. CT 촬영은 그 효과에도 불구하고 방사선 노출 및 제한된 접근성과 같은 고유한 단점을 가지고 있다. 본 논문에 서는 이러한 우려를 해결하기 위해 경동맥 초음파 영상을 사용하여 딥러닝 기 술을 통해 CAC 점수를 예측하고자 한다. 따라서 비침습적인 방법을 통해 접근 성을 향상시켜 널리 사용 가능한 동맥경화 위험 평가의 가능성을 확장하고자 한다. 학습을 통해 얻은 결과를 심혈관 전문가의 판단과 비교했다. 이 비교는 AI 예측의 높은 정확성을 확인했을 뿐만 아니라 초음파 기반 평가의 실용성과 접근성을 증명했다. 따라서 본 논문의 결과는 동맥경화 검진을 위한 CT 촬영 의 신뢰할 수 있는 대안으로 AI 강화 초음파 영상을 사용할 수 있는 가능성을 제안한다. 이 연구는 AI를 현재 의료 관행과 통합하여 치료 표준을 개선하고 심혈관 위험 평가에 대한 광범위한 접근을 용이하게 할 수 있는 가능성을 보 여줄 수 있다.
more목차
I. Introduction 9
II. Measurement : AI Carotid Intima-Media Thickness 17
i. Introduction 17
ii. Methodology: Two-Stage Deep Learning Architecture for CIMT Measurement 20
iii. Experiment 28
iv. Result 35
v. Conclusion & Further work 43
III. Diagnosis : Atherosclerosis Risk Diagnosis Using AI-Enhanced Ultrasound 45
i. Introduction 45
ii. Methodology: Arteriosclerosis Risk Diagnosis Using AI-Enhanced Ultrasound 52
iii. Experiment 63
iv. Result 68
v. Discussion & Conclusion 73
IV. Reference 77
