수술 전 컴퓨터 단층촬영(CT)을 이용한 수술 후 췌장 누공의 자동 예측
요약
수술 전 CT 스캔을 활용하여 수술 후 췌장 누공(POPF) 발생 위험을 자동으로 예측하는 딥러닝 파이프라인을 제안합니다. 췌장 분할부터 분류까지 이어지는 엔드 투 엔드 프로세스를 통해 다양한 3D CNN 아키텍처의 성능을 검증했습니다.
핵심 포인트
- 수술 전 CT 기반의 췌장 누공 자동 예측 파이프라인 제시
- CNN3D, R(2+1)D ResNet-18 등 다양한 3D 아키텍처 평가
- 췌장 분할 및 위험 계층화를 통한 임상 의사결정 지원
- 췌장 특화 CT 분류를 위한 방법론적 벤치마크 제공
수술 후 췌장 누공 (Postoperative pancreatic fistula, POPF)은 췌장 절제술 후 발생하는 심각한 합병증으로, 이환율, 입원 기간 및 의료 비용을 증가시킵니다. 본 연구에서는 수술 전 CT 스캔을 사용하여 수술 전 POPF 위험 추정 및 계층화를 위한 췌장 분할 (Segmentation)부터 분류 (Classification)에 이르는 자동화된 엔드 투 엔드 (End-to-end) 딥러닝 파이프라인을 제시합니다. 자동 분할된 췌장 부피 및 수술 결과가 포함된 데이터 세트를 사용하여 맞춤형 경량 3D CNN 베이스라인 (CNN3D), R(2+1)D ResNet-18, 그리고 ResNet-MC3-18 모델을 포함한 다양한 아키텍처를 평가했습니다. 여러 3D 아키텍처에 걸친 평가 결과, 유망한 예측 성능을 입증했습니다. 이 접근 방식은 임상적으로 가치 있는 도구이자 췌장 특화 CT 분류를 위한 방법론적 벤치마크를 제공하며, 췌장 수술에서 개선된 수술 전 의사결정을 지원합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.LG의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기0