연세대학교치과대학병원 연구팀이 GAN(Generative Adversal Network)를 이용해 생성한 제2대구치 치근단 방사선 사진의 유의미성을 확인하고, GAN을 이용해 생성한 영상 데이터가 데이터 증강 목적에도 효과적으로 사용할 수 있다는 사실을 입증했다.
연세대학교치과대학병원 통합진료학과 김기덕 교수와 양수진 진료교수 연구팀은 이 같은 연구결과를 국제학술지 ‘사이언티픽 리포트’(IF 4.997)에 게재했다.
이 연구는 ‘세브란스 선도연구자 양성 프로젝트’ 과정의 일환으로 양수진 진료교수가 2022년 9월부터 2023년 8월까지 일본 나고야의 아이치 가쿠인대학 영상치의학과에서 ‘치과영상에 대한 인공지능의 적용’을 주제로, 현지 연구팀과 협업해 연구한 결과물이다.
GAN은 Data Augmentation, Segmentation, Classification, Noise/Artifact Removal 및 예후 예측 작업을 포함한 다양한 의료 응용 분야에 활용되는 도구다.
의료영상에서의 진단 및 치료 모델에서 훈련 데이터 부족 문제를 효과적으로 해결할 수 있는 잠재력을 갖지만 과거에는 의료영상 생성에 제공하는 이점에도 불구하고, 복잡성과 함께 상대적으로 큰 데이터를 요구한다는 점, 머신 파워와 비용이 많이 드는 문제로 모델 훈련에 어려움이 따랐다.
그러나 최근 개발된 StyleGAN2-ADA는 조건부 설정에 스타일 전달 기능을 도입하는 점진적 성장 GAN(PGGAN)의 변형 형태를 가지면서 ADA(Adaptive Discriminator Augmentation)라는 새로운 데이터 증강 기술을 도입해 상대적으로 적은 훈련 데이터 양으로도 향상된 질의 이미지를 생성할 수 있는 것으로 보고된 바 있다.
이에 연구팀은 치과 파노라마 영상에서 제2대구치에서의 C형 근관을 판별하는 데 있어 최신 StyleGAN2-ADA를 이용해 생성한 이미지의 효과를 검증하는 연구를 수행했다.
평균 Frechet Inception Distance를 계산하고, 2명의 영상치의학 전문의를 대상으로 Visual Turing Test를 시행하는 방식으로 생성 이미지의 질 평가가 이뤄졌다.
이 결과 GAN 합성 이미지는 만족스러운 시각적 품질을 나타냈으며, 생성 이미지 데이터셋을 C형 근관을 분류하는 CNN(Convolutional Neural Network)에 데이터 증강 목적으로 적용했을 때 신경망의 분류 성능이 실제 데이터만 사용할 때보다 향상된 것을 확인했다.
이는 특히 클래스 간 불균형이 있는 데이터 조건을 해결하는데서 유리할 수 있다고 보고했다.
김기덕 교수는 “세브란스 선도 연구자 양성 프로젝트를 통해 국제, 다기관 규모로 최신의 인공지능 기술을 치의학에 적용하는 연구를 진행할 수 있었다”면서 “통합치의학과 연구팀은 앞으로도 다기관 연구를 통해 치과 임상영역에서 마주하는 진단과 예후 예측의 문제에 인공지능을 적용함으로써 인공지능을 치과의사의 의사결정 보조시스템으로 활용할 수 있는 방안을 연구할 계획”이라고 밝혔다.
