입자 군집 최적화 기반 뇌종양 분할 모델 SPOHE-VGGNet 개발

팩트연구진은 기존 뇌종양 분할 방식이 가진 시간 소모와 오류 가능성을 해결하기 위해 SPOHE-VGGNet 모델을 새롭게 제안했습니다. 이 모델은 영상 전처리 과정에서 입자 군집 최적화(Particle Swarm Optimization, PSO)를 활용하여 진단 정확도를 높입니다.

팩트SPOHE-VGGNet은 VGG-19 아키텍처와 수정된 U-Net 구조를 결합한 형태입니다. 입자 군집 최적화 히스토그램 평활화(PSO-HE) 기법을 적용해 자기공명영상(MRI)의 대비를 극대화하고 특징 추출 성능을 개선했습니다.

팩트PSO-HE 기법은 기존 히스토그램 평활화 방식보다 영상의 세부 정보를 정밀하게 추출합니다. 이는 VGG-19 네트워크가 종양의 경계를 명확하게 인식하도록 돕는 핵심 전처리 단계입니다.

팩트연구진은 Figshare T1-CE MRI 데이터셋의 3,064개 이미지를 활용해 모델을 평가했습니다. 실험 결과 수막종, 신경교종, 뇌하수체 종양에 대해 각각 0.9522, 0.9428, 0.9518의 다이스 유사도 계수(Dice Similarity Coefficient, DSC)를 기록했습니다.

팩트BraTS 2021 데이터셋의 1,251개 사례를 대상으로 한 전체 종양 분할 실험에서도 0.9463의 다이스 유사도 계수를 달성했습니다. 해당 데이터셋에서 정확도 0.9977, 정밀도 0.9544, 재현율 0.9738, F1-점수 0.9640을 기록하며 모델의 견고함을 증명했습니다.

팩트모델은 4가지 MRI 모달리티를 독립적으로 처리하며 범용성을 확인했습니다. 연구진은 폴란드 크라쿠프 AGH 과학기술대학교의 지원을 받아 연구를 수행했습니다.

팩트연구진은 PLGrid 고성능 컴퓨팅 인프라를 활용하여 대규모 데이터셋 처리에 필요한 연산 자원을 확보했습니다.

주장이번 연구는 딥러닝 기반 의료 영상 분할 모델의 해석 가능성을 높이는 연구 지향적 프레임워크를 제공합니다. 이는 앞으로 자동화된 진단 보조 시스템 개발에 중요한 기술적 토대가 됩니다.

교차검증본 연구는 2차원 슬라이스 기반의 분할 성능에 집중하고 있습니다. 임상 현장에서 즉각적으로 사용하기 위해서는 앞으로 3차원 볼륨 데이터에 대한 추가 검증과 의료진 중심의 평가가 필요합니다.

출처Scientific Reports(https://www.nature.com/articles/s41598-026-72923-y)의 보도를 교차 검증했습니다.