플러스프로젝트 배경
[프로젝트 배경] 정형외과 및 재활 의학 분야에서는 척추와 주변 근육의 상태를 정량적으로 분석하는 것이 매우 중요합니다. 하지만 실제 임상에서는 CT 영상을 수동으로 확인하고 해석해야 하며, 척추 뼈와 근육 구조물을 하나씩 분리하고 분석하는 데에는 많은 시간과 인력 자원이 소요됩니다. 특히 다음과 같은 문제점이 있었습니다: - 3D CT 영상은 해상도와 볼륨이 커 수작업 분할이 매우 비효율
프로젝트 성과
척추 및 근육 구조의 3D Instance Segmentation 자동화
수작업 라벨링이 필요하던 척추 뼈와 주변 근육들을 딥러닝 기반으로 자동 분할하여, 의료 영상 분석 효율을 크게 향상
정량적 수치 추출 자동화 구현
각 구조물의 중심 좌표, 회전 각도, 부피(cm³) 등 해부학적 정량 정보를 자동으로 계산 및 저장할 수 있도록 구성하여, 진단과 연구 활용도를 높임
대용량 CT 영상 처리 파이프라인 구축
수십~수백 개의 환자 데이터를 자동으로 처리할 수 있는 Python 기반 처리 스크립트를 개발하여, 연구 또는 임상 적용 시 시간과 인건비 절감 효과 확보
핵심 기능
3D CT 데이터 정합 및 전처리
다양한 병원 환경에서 수집된 NIfTI 형식의 3D CT 데이터를 정렬, 정규화, 보간(interpolation)을 통해 학습 가능 형태로 변환
진행 단계
데이터 수집 및 전처리
2024.08.
3D CT 의료 영상 확보 (NIfTI 형식 기준)
Orientation 통일, voxel spacing 보정, isotropic resample 등 사전 정합 작업 수행
라벨링을 위한 초기 마스킹
Orientation 통일, voxel spacing 보정, isotropic resample 등 사전 정합 작업 수행
라벨링을 위한 초기 마스킹
프로젝트 상세
[1] 포트폴리오 소개 의료 영상 데이터를 활용한 3D CT 기반 척추 및 주변 근육의 instance segmentation 시스템을 구축했습니다. Deep learning을 활용하여 라벨링 자동화부터 정교한 세분화까지 처리하였으며, 각 구조물의 부피, 중심 좌표, 각도 등 다양한 수치 정보를 추출하여 의학적 분석이 가능하도록 구현했습니다. 의료 연구용 또는 수술 전 분석 도구로 활용될
