earticle

영어

Breast ultrasonography is very subjective compared to other medical images, and there is a problem that the reading result may vary depending on the level of skill and knowledge of the examiner. In this study, as a way to supplement this, we tried to examine the lesion recognition rate of breast ultrasound images using a machine learning application that is widely used and to consider the possibility of using it as an auxiliary method for diagnosis. Using the BreastFAN breast ultrasound phantom, 90 ultrasound images of normal, benign, and malignant tumor tissues were acquired, regions of interest were set, and a machine learning model was implemented by learning the data using the Microsoft lobe program. To confirm the lesion recognition rate of the implemented model, breast ultrasound images were extracted and the recognition rate was evaluated. As a result, the average recognition rate was 97.65%. In conclusion, it is judged that the model implemented as a machine learning application is sufficiently usable as an auxiliary diagnostic system in breast ultrasound lesion classification and will be helpful to examiners with sufficient experience.

한국어

유방초음파는 타 의료영상과 비교하였을 때 매우 주관적이며 검사자의 숙련도 및 지식 정도에 따라 판독 결과가 달라질 수 있다는 문제점이 있다. 본 연구에서는 이를 보완하기 위한 방법으로 범용적으로 사용되고 있는 머신러닝 어플리케이션을 이용하여 유방초음파영상의 병변인식률을 살펴보고 이를 진단의 보조적인 방법으로 활용 할 수 있는 가능성을 고찰해 보고자 하였다. BreastFAN 유방초음파팬텀을 사용하여 정상과 양성·악성 종양조직 초음파영상 90개를 획득하여 관심영역을 설정한 후 Microsoft Lobe 프로그램을 이용하여 데이터를 학습시켜 머신 러닝모델을 구현하였다. 구현된 모델의 병변인식률 확인을 위해 유방초음파영상을 추출하여 인식률을 평가하였으 며 그 결과 평균 97.65%의 인식률을 나타냈다. 결론적으로 머신러닝 어플리케이션으로 구현된 모델은 유방초음파 병변분류에 있어서 보조진단시스템으로서 충분히 활용가능성이 있으며 경험이 부족한 검사자들에게 도움이 될 것 으로 판단된다.