개발된 컨볼루션 신경망과 질감 기반 콘텐츠 기반 이미지 검색 시스템을 통한 어깨 자기공명영상 검사에서 봉우리형의 발견

배경: 봉우리의 형태학적 유형은 어깨 충돌 증후군 및 회전근개 장애와 같은 다양한 병리의 발생 기전에 중요한 역할을 할 수 있다. 따라서 봉우리의 형태학적 유형을 정확하고 신속하게 결정하는 것이 중요하다. 이 연구에서는 만성 어깨 장애의 원인 중 하나인 봉우리 형태를 어깨 MR 영상에서 탐지하기 위해 콘텐츠 기반 이미지 검색(CBIR) 시스템에서 이미지 검색을 위한 새로운 모델을 개발하는 것을 목표로 하였다. 방법: 컨볼루션 신경망(CNN) 아키텍처와 질감 기반 방법을 기초로 CBIR 시스템에서 이미지 검색을 수행하였다. 개발된 CBIR 시스템에서 이미지 유사성을 측정하기 위해 이미지의 특징 맵을 추출하였다. 특징 맵 추출을 위해 히스토그램 오브 그래디언트(HOG), 로컬 바이너리 패턴(LBP), 다크넷53 및 데센넷201 아키텍처를 사용했으며, 특징 선택을 위해 최소 중복 최대 관련성(mRMR) 특징 선택 방법을 사용하였다. 차원 감소 과정 후에 얻어진 특징 맵을 결합하였다. 유클리드 거리와 피크 신호 대 잡음 비율(PSNR)을 유사성 측정 방법으로 사용하였다. 제안된 방법의 성능을 비교하기 위해 CNN 아키텍처와 질감 기반 모델에서 얻은 특징을 사용하여 이미지 검색을 수행하였다. 결과: 제안된 모델에서 PSNR 유사성 측정 방법으로 0.76의 가장 높은 평균 정밀도(AP) 값이 도달하였다. 결론: 제안된 모델은 봉우리의 형태학적 유형을 정확하고 신속하게 결정하는 데 유망하여 만성 어깨 장애의 진단 및 이해에 도움을 줄 수 있다.