경동맥 MR 혈관조영 영상을 활용한 딥러닝 기반 뇌백질변성 예측|RISS 상세보기

다국어 초록 (Multilingual Abstract)

This study proposes a deep learning-based model that predicts white matter hyperintensity (WMH) using only three-dimensional(3D) carotid Time-of-Flight (TOF) magnetic resonance angiography (MRA) images as input. WMH is a representative imaging marker of cerebral small vessel disease(cSVD) and is known to be associated with cognitive impairment, gait disturbances, and increased risk of stroke and dementia. While previous studies have primarily focused on the statistical correlations between carotid morphological features and WMH, direct prediction of WMH from carotid MRA imaging has not been explored. To address this gap, this study adopts an end-to-end deep learning approach that directly utilizes raw TOF MRA images for WMH classification.
This study investigates two classification tasks: binary classification to detect the presence of WMH, and three-class classification to assess its severity. Several convolutional neural network (CNN)-based models—SFCN, ResNet10, and MedicalNet—and a Transformer-based model, MST, were trained and evaluated. Among these, the SFCN model demonstrated the best performance, achieving 81.8% accuracy and an AUC of 0.882 in binary classification, and 66.4% accuracy with an AUC of 0.847 in WMH severity classification. To interpret the model’s predictions, saliency maps and occlusion sensitivity analyses were performed. The saliency visualization revealed that the trained models commonly focused on the anatomical structures of the carotid artery, particularly around the carotid bifurcation. Occlusion sensitivity analysis further confirmed that this region played a crucial role in the prediction process. These findings suggest that vascular information contained in carotid MRA images can be meaningfully utilized for predicting WMH.
This study demonstrates the feasibility of predicting and classifying WMH using carotid TOF MRA as the sole imaging modality within a deep learning framework. Furthermore, it highlights the potential of carotid imaging as a non-invasive tool for the early assessment of cerebrovascular abnormalities, establishing a practical basis for WMH prediction without relying on brain MRI.

번역하기

국문 초록 (Abstract)

본 연구는 뇌백질변성(white matter hyperintensity, WMH)을 예측하기 위하여 3차원 경동맥 TOF(Time-of-Flight) 자기공명 혈관조영(magnetic resonance angiography, MRA) 영상을 단독으로 활용하는 딥러닝(deep learning) 모델을 제안하는 것을 목적으로 한다. 뇌백질변성은 뇌소혈관질환(cerebral small vessel disease)의 대표적인 영상 지표로, 다양한 신경 행동 증상 및 기능적 장애와 연관되며, 뇌졸중 및 치매의 주요 원인으로 알려져 있다. 기존의 경동맥과 뇌백질변성 간의 연관성에 대한 연구들은 주로 경동맥의 형태학적 지표와 뇌백질변성 간의 통계적 상관관계 분석에만 초점을 맞추어 왔으나, 본 연구에서는 경동맥 MRA 영상을 직접 입력으로 사용하는 end-to-end 방식의 딥러닝 모델을 통해 영상 기반의 직접적인 예측 접근을 시도하였다.
뇌백질변성의 유무를 예측하는 이진 분류(binary classification)와 중증도를 예측하는 다중 클래스 분류(multi-class classification) 문제를 다루었으며, CNN(Convolutional Neural Network) 기반의 SFCN, ResNet, MedicalNet 모델과 Transformer 구조의 MST 모델을 학습하여 성능을 비교하였다. 이 중 SFCN 모델이 가장 우수한 성능을 보였으며, 병변 유무 분류에서는 정확도 81.8%, AUC 0.882를, 중증도 분류에서는 정확도 66.4%, AUC 0.847을 기록하였다. 또한, 모델의 예측 결과를 해석하기 위하여 시각적 중요도 분석(saliency map)과 폐쇄성 민감도 분석(occlusion sensitivity analysis)을 수행하였다. 시각화 결과에서 학습된 모델들이 공통적으로 경동맥의 해부학적 구조, 특히 경동맥의 분기점 부위에 주목한다는 것을 알 수 있었으며, 폐쇄성 민감도 분석에서도 해당 부위가 예측에 중요하게 작용한다는 것을 확인할 수 있었다. 이러한 결과는 경동맥 MRA 영상에 나타나는 혈관의 정보가 뇌백질변성 예측에 유의미하게 활용될 수 있음을 시사한다.
본 연구는 경동맥 TOF MRA 영상을 단독으로 활용하여 딥러닝 기반으로 뇌백질변성을 예측하고 분류할 수 있음을 실증하였으며, 나아가 경동맥 영상이 뇌혈관 이상에 대한 비침습적 조기 평가 도구로 활용될 수 있는 가능성을 제시한다.

번역하기

본 연구는 뇌백질변성(white matter hyperintensity, WMH)을 예측하기 위하여 3차원 경동맥 TOF(Time-of-Flight) 자기공명 혈관조영(magnetic resonance angiography, MRA) 영상을 단독으로 활용하는 딥러닝(deep learning)...

목차 (Table of Contents)

Ⅰ. 서론 1
Ⅱ. 연구 방법 3
1. 실험 데이터 수집 및 전처리 3
2. 분류 실험 5
3. 모델 구조 및 학습 6

Ⅰ. 서론 1
Ⅱ. 연구 방법 3
1. 실험 데이터 수집 및 전처리 3
2. 분류 실험 5
3. 모델 구조 및 학습 6
3.1. CNN 6
3.2. Transformer 8
3.3. Loss function 10
4. 결과 해석 및 시각화 방법 11
5. 구현 세부 정보 12
Ⅲ. 연구 결과 13
1. 분류 실험 결과 13
1.1. 뇌백질변성 유무 분류 13
1.2. 뇌백질변성 중증도 분류 16
2. 결과 해석 및 시각화 19
2.1. Saliency Map 19
2.2. Occlusion Sensitivity Map 21
Ⅳ. 결론 및 논의 22
참고문헌 25

상세검색

RISS 보유자료

상세검색

해외전자자료

경동맥 MR 혈관조영 영상을 활용한 딥러닝 기반 뇌백질변성 예측

부가정보

분석정보

연관 공개강의(KOCW)

이 자료와 함께 이용한 RISS 자료

나만을 위한 추천자료