top of page
의료기기로고-1.bmp

인공지능(AI)기반 고해상도 초음파진단기

CTU-3000 초음파영상진단기는 최신 인공지능(AI) 알고리즘을 적용, 차별화된 기술로 기존장비의 기술적 한계를 극복한 최신 개발장비

알고리즘 성능검증 동영상

원시 B-mode영상

1차 알고리즘 적용

2차 알고리즘 적용

3차 알고리즘 적용

  • 혈류속도장 측정을 위한 DL-SRU 영상기법 알고리즘

Deep-ULM과 컨볼루션 신경망을 적용한 Deep-Learning 기반 초고해상도 초음파 영상획득 알고리즘으로 신경망 네트워크로 합성추적 이미지를 조영제(CA) 없이도 초음파 영상에서 적혈구(RBC)의 위치를 파악하고 혈관 영상을 고해상도로 재구성하는 인공지능(AI)이 탑재된 초음파 영상 알고리즘

u-1.png
u-2.png

합성Data로 훈련시킨 영상 알고리즘 공간분해능 

  • 혈관분기 모델 영상을 평균강도 이미지로 측정후 표준 ULM과 DL-SRU 신경망 학습후 여러가지 분기모델을 고해상도로 1픽셀 범위내의 우수한 공간 분해능 검증.

  • 추적자 농도가 증가하면 표준 ULM은 정확도가 감소되지만 DL-SRU는 높은 정확도 유

  • 초음파 영상 획득시간은 표준 ULM은 24ms소요, DL-SRU는 10ms 이내 획득

  • RBC위치는 표준 ULM은 정확한 위치를 찾지 못하나 DL-SRU은 1픽셀 반경내에서 추적 가능.

u-4.png

2-Frame PTV 알고리즘 적용한 측정 

  • RBC는 낮은 프레임속도, 높은 농도 및 장기 움직임과 같은 까다로운 생체 조건하에서 합성된 RBC영상을 이용하여 훈련함으로써 신경망에 의해 추적

  • 다양한 혈구모양, 추적자 밀도, 산란강도 및 SNR을 사용하여 다양한 합성데이터 세트를 통합하여 훈련시켜 네트워크의 견고성 개선.

  • 합성영상에서 추적자의 농도는 PTV알고리즘이 DL-SRU에 적절하게 적용될 수 있도록 하여 정확한 RBC의 유동정보 획득 

u-5.png
  • 혈류, 혈관 벽 거동측정을 위한 DL-BDC 알고리즘

동맥에서 혈류역학과 혈관 벽 상호작용을 정확하게 분석하기 위해 초음파 영상에서 새로운 Deep-learning 경계감지 및 보상 DL-BDC 기술

​벽 부근 영역의 벽, 혈류속도의 벡터합성으로 측정 정확도 획기적으로 향상

u-11.png
u-12.png

타 인공지능 알고리즘과 분할성능 비교

  • DeepLab, FCN, Segnet 인공지능 알고리즘 성능과 , 개발하는 USUNet의 성능, 혈관 모사모델 및 동물혈관 실험에서 혈관 내부와 혈관 벽의 분할 성능 등을 실험으로 검증

  • MATLAB 및 Python으로 시뮬레이션 검증

  • 타 인공지능 알고리즘을 USUNet훈련에 사용된 것과 동일한 훈련 Data SET와 하이퍼파라미터를 이용하여 운련

  • DSC를 계산하여 인공 신경망의 분할 성능을 평가

  • DSC에 의해 평가된 USUNet의 분할성능은 다른 Deep_learning 기반 분할 알고리즘에 비해 매우 우수.

=> USUNet은 조직모방 팬텀 및 생체 내 영상에서 최산의 분할성능 달성으로 입증 

  • 자체내강과 혈관 벽으로 분할 후 연속 세그먼트 영상이 혈류흐름 및 속도계산

  • 근벽영역에서 측정된 속도벡터는 해당하는 벽 속도벡터 요소에서 빼서 유동 역학에 대한이동 벽의 영향보상

  • 보정된 흐름정보를 사용하여 벽 전던응력(WSS), 혈관 벽 탄성력 및 진동 전단지수를 정확하게 계산하여 다른 혈류역학적 매개변수 파악

  • 다중 클래스 분할의 경우 DL-BDC는 400개의 초음파 이미지 처리

  • 제안된 USUNet를 사용하여 혈관 벽과 내강의 분할에 필요한 처리시간은 3ms 미만으로 가능

  • 보정된 흐름 및 벽면 역학에 대한 DL-BDC의 총 처리시간은 이미지 쌍당 약 11.2sec 이내로 가능. 

  • CDI와 SIV를 적용한 하이브리드방식(AH)을 결합한 알고리즘

  • CDI(Color Doppler Image)기법은 음파의 조사각도를 충분히 확보해야 정확도가 높아짐. 이에 따라 의도치 않게 혈관주위 조직을 압박하여 실제 혈관정보를 왜곡할 수 있음. 또한 측정하는 사람에 따라 측정값이 달라지는 문제점이 있으며 공간해상도가 상대적으로 낮고 유동방향 분석에 한계점 발생.

  • SIV(Speckel Image Velocimetry) 기법은 CDI보다 시간 분해능이 낮아 측정 가능한 최대 혈류속도가 상대적으로 낮은 편이며 초음파 영상장치의 하드웨어 기능향상을 통해서 성능개선 가능의 한계

  • CDI와 SIV를 적응형 하이브리드(Adaptic Hybrid, AH)방식으로 결합한 초음파 영상 알고리즘을 적용하면 별도의 하드웨어 추가 없이 측정 정확도응 크게 향상

  • CDI기법의 높은 시간분해능 장점과 SIV기법의 우수한 공간분해능 장점을 결합하여 혈류측정의 정확도 획기적 향상 

u-16.png

​노화 및 DM군에서 대조군 보다 내피층이 얇아지고 혈관벽이 두꺼워짐

​노화 및 DM 그룹에서 혈관 염증 영상

u-13.png

경동맥 조직 분석

​적응형하이브리드 방식 시퀀스

컬러 도플러(Color Doppler Image)

  • 높은 시간 해상도

  • 펄스 반복 빈도(Pulse Repettition Frequency)에 기인한 Aliasing발생

  • 단일 측정 방향, 초음파 입사각도에 따라 변하는 측정 정확도 

스페클 영상 속도기법(Speckel Image Velocimety)

  •  적용하면 CDI보다 높은 공간해상도, 위상변위에 기인한 Aliasing발생을 중림.

  • 동일 위치에서 획득한 B-MODE 영상과 컬러 도플러 영상에 SIV기법을 적용하여 속도장 획득

  • 기준점을 기반으로 CDI 측정 벡터에서 오차를 판별하고 SIV 측정결과로 대처

  • AH방식을 두번 적용하여 최종 속도장 결과 돌출

 낮은 유속 또는 큰 속도 변화로 나타나는 CDI기법의 측정 오차를 SIV 기법으로 정확하게 보정하여 측정  검증

  • 연구개발 체계 및 참여기관

본 제품은 ㈜코아팀즈, 포항공과대학교/유체공학센터, 건양대학교병원 산.학.연 공동연구로 개발되었읍니다.

​민군진흥원의 연구개발과제 지원을 통한 연구 수행

초-1.jpg
  • ​유사제품 성능 비교/ 제품 경쟁력

초-2.jpg
초-5.jpg

제품은 인터넷에서 제공하는 정보를 기준으로 비교한 것으로 각사의 현재의 장비특성과 치이가 있을 수 있읍니다.

  • 연구개발 활용분야

경동맥협착.jpg
심장판막질환.jpg
허혈성.jpg
혈관천자.jpg
심장초음파 검사의 진단적 유용성 향상
  • 기존 장비대비 10배 이상 고해상도로 태아촬영  

태아.jpg
  • 이동이 자유롭지 못한 동물의 현장진료 

코끼리.jpg
  • 응급현장 및 수술실 등 적용

응급1.jpg
응급2.jpg
응급3.jpg
bottom of page