일상적인 두 번째 삼분기 초음파 검사에서 태아 뇌 이상 탐지를 위한 통합 딥러닝 접근법 개발: 다기관 연구

목적 표준화된 두 번째 삼분기 뇌 초음파 이미지에서 태아 뇌 이상 자동 탐지를 위한 해부학 인지 2단계 엔드투엔드 딥러닝(DL) 파이프라인을 개발 및 검증한다. 재료 및 방법 본 후향적 다기관 연구는 2010년 1월부터 2022년 12월까지 9개 국제 태아 의학 센터에서 19+0주에서 23+6주 사이에 획득한 표준 횡심실 및 횡소뇌 축면 영상이 짝을 이루는 319개의 태아 뇌 이미지(정상 218개, 이상 101개)를 포함하였다. 이상 소견은 신생아 영상 또는 부검으로 확인되었다. 두 명의 경험 있는 태아 의학 전문의가 여섯 개 주요 뇌 영역에 대해 주석을 달았다. 해부학 인지 2단계 DL 파이프라인은 YOLOv5 기반 객체 탐지기와 Mini-ResNet 특징 추출기를 사용한 HexaNet 아키텍처 내 분류 네트워크로 구성되었다. 파이프라인은 각 이미지를 정상 또는 이상으로 분류하였다. 객체 탐지 성능은 교차 영역 비율 0.5에서 평균 정밀도(mAP@0.5)로 평가하였다. 분류 성능은 수신자 조작 특성 곡선 아래 면적(AUC), 민감도, 특이도 및 F1 점수로 평가하였다. 결과 객체 탐지 모델은 테스트 데이터셋에서 mAP@0.5 0.93(95% 신뢰구간 0.90, 0.96)을 달성하였다. 분류 모델은 AUC 0.96(95% CI 0.90, 1.00), 민감도 87%(95% CI 67, 100) 13/15, 특이도 91%(95% CI 79, 100) 29/32, 정상과 이상 태아 뇌 이미지 구분을 위한 F1 점수 0.84(95% CI 0.67, 0.96)를 기록하였다. 결론 개발된 모델은 일상적인 태아 두 번째 삼분기 초음파에서 뇌 이상 탐지를 위한 높은 진단 성능을 보였다. ©RSNA, 2026.