경영과정보연구 (Management & Information Systems Review)

  • 제36권4호
  • /
  • Pages.33-51
  • /
  • 2017
  • /
  • 1598-2459(pISSN)
  • /
  • 2733-4767(eISSN)
대한경영정보학회 (Daehan Academy of Management Information Systems)
권호 표지

합성곱 신경망(Convolutional Neural Network)을 활용한 지능형 아토피피부염 중증도 진단 모델 개발

Development of Intelligent Severity of Atopic Dermatitis Diagnosis Model using Convolutional Neural Network

  • 윤재웅 (광운대학교 경영학부) ;
  • 전재헌 (광운대학교 경영학부) ;
  • 방철환 (가톨릭대학교 의과대학 서울성모병원 피부과) ;
  • 박영민 (가톨릭대학교 의과대학 서울성모병원 피부과) ;
  • 김영주 (광운대학교 의료기기개발센터) ;
  • 오성민 (광운대학교 의료기기개발센터) ;
  • 정준호 (구미전자정보기술원 전자의료기술연구본부 융합의료기기연구센터) ;
  • 이석준 (광운대학교 경영학부) ;
  • 이지현 (가톨릭대학교 의과대학 서울성모병원 피부과)
  • Yoon, Jae-Woong (Dept. of Business Administration, Kwangwoon University) ;
  • Chun, Jae-Heon (Dept. of Business Administration, Kwangwoon University) ;
  • Bang, Chul-Hwan (Department of Dermatology, Seoul St. Mary's Hospital, College of Medicine, The Catholic University of Korea) ;
  • Park, Young-Min (Department of Dermatology, Seoul St. Mary's Hospital, College of Medicine, The Catholic University of Korea) ;
  • Kim, Young-Joo (Biodesign Center, Kwangwoon University) ;
  • Oh, Sung-Min (Biodesign Center, Kwangwoon University) ;
  • Jung, Joon-Ho (Convergence Medical Devices Research Center, Electronic Medical Technology Research Division, Gumi Electronic & Information Technology Research Institute) ;
  • Lee, Suk-Jun (Dept. of Business Administration, Kwangwoon University) ;
  • Lee, Ji-Hyun (Department of Dermatology, Seoul St. Mary's Hospital, College of Medicine, The Catholic University of Korea)
  • 투고 : 2017.09.11
  • 심사 : 2017.10.30
  • 발행 : 2017.11.30
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

제4차 산업혁명의 등장과 경제성장으로 인한 '국민 삶의 질 향상' 요구 증대로 인해 의료서비스의 질과 의료비용에 대한 국민들의 요구수준이 향상되고 있으며, 이로 인해 인공지능이 의료현장에 도입되고 있다. 하지만 인공지능이 의료분야에 활용된 사례를 살펴보면 '삶의 질'에 직접적인 영향을 끼치는 만성피부질환에 활용된 사례는 부족한 실정이며, 만성피부질환 중 대표적 질병인 아토피피부염은 정성적 진단 방법으로 인해 진단의 객관성을 확보할 수 없다는 한계가 존재한다. 본 연구에서는 아토피피부염의 객관적 중증도 평가 방법을 마련하여 아토피피부염 환자의 삶의 질을 향상시키고자 다음과 같은 연구를 수행하였다. 첫째, 가톨릭대학교 의과대학 성모병원의 데이터베이스로부터 아토피피부염 환자의 이미지 데이터를 수집했으며, 수집된 이미지 데이터에 대한 정제 및 라벨링 작업을 수행하여 모델 학습과 검증에 적합한 데이터를 확보했다. 둘째, 지능형 아토피피부염 중증도 진단 모형에 적합한 이미지 인식 알고리즘을 파악하기 위해 다양한 CNN 알고리즘들을 병변별 학습용 데이터로 학습시키고, 검증용 데이터를 활용하여 해당 모델의 이미지 인식 정확도를 측정했다. 실증분석 결과 홍반(Erythema)의 경우 'ResNet V1 101', 긁은 정도(Excoriation)의 경우 'ResNet V2 50'이 90% 이상의 정확도를 기록하였으며, 태선화(Lichenification)의 경우 학습용 데이터 부족의 한계로 인해 두 병변보다 낮은 89%의 정확도를 보였다. 해당 결과를 통해 이미지 인식 알고리즘이 단순한 사물 인식 분야뿐만 아니라 전문적 지식이 요구되는 분야에도 높은 성능을 나타낸다는 것을 실증적으로 입증했으며, 본 연구는 실제 아토피피부염 환자의 이미지 데이터를 활용했다는 측면에서 실제 임상환경에서 활용성이 높을 것으로 사료된다.

With the advent of 'The Forth Industrial Revolution' and the growing demand for quality of life due to economic growth, needs for the quality of medical services are increasing. Artificial intelligence has been introduced in the medical field, but it is rarely used in chronic skin diseases that directly affect the quality of life. Also, atopic dermatitis, a representative disease among chronic skin diseases, has a disadvantage in that it is difficult to make an objective diagnosis of the severity of lesions. The aim of this study is to establish an intelligent severity recognition model of atopic dermatitis for improving the quality of patient's life. For this, the following steps were performed. First, image data of patients with atopic dermatitis were collected from the Catholic University of Korea Seoul Saint Mary's Hospital. Refinement and labeling were performed on the collected image data to obtain training and verification data that suitable for the objective intelligent atopic dermatitis severity recognition model. Second, learning and verification of various CNN algorithms are performed to select an image recognition algorithm that suitable for the objective intelligent atopic dermatitis severity recognition model. Experimental results showed that 'ResNet V1 101' and 'ResNet V2 50' were measured the highest performance with Erythema and Excoriation over 90% accuracy, and 'VGG-NET' was measured 89% accuracy lower than the two lesions due to lack of training data. The proposed methodology demonstrates that the image recognition algorithm has high performance not only in the field of object recognition but also in the medical field requiring expert knowledge. In addition, this study is expected to be highly applicable in the field of atopic dermatitis due to it uses image data of actual atopic dermatitis patients.

키워드

참고문헌

  1. 권지애.노기영.고보경.김진우(2004), "한국인 청장년기 아토피피부염 환자의 임상적 특징에 관한 연구," 대한피부과학회지, 42(8), 949-954.
  2. 김용현.정병기.윤장혁(2016), "특허경영활동이 기업 경영성과에 미치는 영향에 관한 연구: 국내 의료기기 제조 기업을 중심으로," 산업경영시스템학회지, 39(1), 1-8. https://doi.org/10.11627/jkise.2016.39.1.001
  3. 김정원(1993), "아토피 피부염의 진단과 치료," 천식 및 알레르기, 13(3), 0-6.
  4. 라공우.홍길종(2014), "강원지역 의료기기 수출 확대를 위한 문제점과 개선방안 연구," 관세학회지, 15(1), 129-152.
  5. 박영민.변대규.김진우(1994), "한국인 아토피 피부염 환자에서의 보조 피부 증상 (Minor Clinical Features)에 대한 고찰 (II): 청장년기 아토피 피부염에서의 보조 피부 증상의 빈도," 대한피부과학회지, 32(6), 1046-1053.
  6. 박종찬.우덕구.류호균(2006), "의료시장 개방에 대한 의료산업 종사자의 경영위기 인식에 관한 연구," 산업경제연구, 19(2), 855-877.
  7. 손병국.최인화(2008), "아토피피부염의 변증과 평가방법에 대한 고찰," 한방안이비인후피부과학회지, 21(3), 150-165.
  8. 신미화.이영훈(2011), "한.중.일 의료기기 산업의 비교우위 및 무역패턴 분석," 무역학회지, 36(2), 25-56.
  9. 엄광열.고형렬(2012), "강원도 의료기기산업의 대러시아 수출시 문제점과 진출전략," 한국관세학회, 13(2), 249-269.
  10. 윤재웅.이창섭.이석준(2016), "특허 인용에 영향을 미치는 요인 분석: 국내의료기기 특허를 중심으로," 정보관리학회지, 33(2), 103-133. https://doi.org/10.3743/KOSIM.2016.33.2.103
  11. 이강빈(2010), "의료기기산업의 수출경쟁력 분석 및 강화방안: 강원지역 의료기기 산업을 중심으로," 한국무역상무학회지, 45, 191-238.
  12. 이동원.변대규.김진우(1997), "설문지를 통한 한국인 아토피피부염 임상병력의 진단적 중요성에 관한 연구," 대한피부과학학회지, 35(3), 443-449
  13. 이순희.이경옥.김순옥(2009), "피부 관리가 이용고객의 정신 건강 및 자아존중감에 미치는 영향," 한국미용학회지, 15(1), 155-167.
  14. 이유아.정윤세(2015), "우리나라 의료기기산업의 대중국 경쟁력 연구," 통상정보연구, 17(3), 93-114.
  15. 이창섭.윤재웅.전재헌.이석준(2017) , "Fuzzy-AHP를 활용한 미래유망 의료기기 우선순위 도출," 경영과 정보연구, 36(1), 147-179.
  16. 장영재.양동현(2013), "한국과 OECD 국가의 의료서비스산업의 기술효율성 분석," 경영과 정보연구, 32(1), 87-109.
  17. 전재헌.이창섭.이석준(2016), "특허 네트워크 분석을 활용한 의료기기 분야에서의 핵심 기술 예측," 경영과 정보연구, 35(2), 109-132.
  18. 정명애(2009), "IT가 보건의료기술에 미치는 영향," 지역정보화지, 57, 22-25.
  19. 최병돈.이돈희.윤성대(2012), "의료서비스 품질 측정 요인: 의료서비스 인증 평가지표를 중심으로," 품질경영학회지, 40(3), 381-393. https://doi.org/10.7469/JKSQM.2012.40.3.381
  20. 최혜정.김규한.김명남.김진우.노영석. 박천욱.조상현(2004), "설문지에 의한 한국 성인형 아토피 피부 염의 유발요인에 대한 연구," 대한피부과학회 춘계학술대회, 42(9), 1152-1160.
  21. 한국산업기술평가관리원(2013), "산업기술수준조사보고서."
  22. OECD, "한눈에 보는 OECD 보건의료 2015".
  23. Costa, C., Rilliet, A., Nicolet, M., & Saurat, J. H.(1989), "Scoring Atopic Dermatitis: the Simpler the Better," Acta Dermato-Venereologica Supplement, 69(41), 5.
  24. Drucker, A. M., Wang, A. R., Li, W. Q., Sevetson, E., Block, J. K., & Qureshi, A. A.(2017), "The Burden of Atopic Dermatitis: Aummary of a Report for the National Eczema Association," J Invest Dermatol, 137(1), 26-30. https://doi.org/10.1016/j.jid.2016.07.012
  25. Esteva, A., Kuprel, B., Novoa, R. A., Ko, J., Swetter, S. M., Blau, H. M., & Thrun, S.(2017), "Dermatologist-level Classification of Skin Cancer with Deep Neural Networks," Nature, 542(7639), 115-118. https://doi.org/10.1038/nature21056
  26. Fredriksson, T., & Pettersson, U.(1978), "Severe Psoriasis-oral Therapy with a New Retinoid," Dermatology, 157(4), 238-244. https://doi.org/10.1159/000250839
  27. Hanifin, J. M.(1989), "Standardized Grading of Subjects for Clinical Research Studies in Atopic Dermatitis: Workshop Report," Acta Dermato-Venereologica Supplement, 69(144), 28-30.
  28. Hanifin, J.M., & Rajka, G.(1980), "Diagnostic Features of Atopic Dermatitis," Acta Dermato-Venereologica Supplement, 60(92), 44-47
  29. He, K., Zhang, X., Ren, S., & Sun, J.(2016), "Deep Residual Learning for Image Recognition," In Proceedings of the IEEE conference on computer vision and pattern recognition, 770-778.
  30. Ho, R. C., Giam, Y. C., Ng, T. P., Mak, A., Goh, D., Zhang, M. W., Zhang, M. W., Cheak, A., & Van Bever, H. P(2010), "The Influence of Childhood Atopic Dermatitis on Health of Mothers, and its Impact on Asian Families," Pediatric Allergy and Immunology, 21(3), 501-507. https://doi.org/10.1111/j.1399-3038.2009.00972.x
  31. Jun, S. H.(2012). "Central Technology Forecasting using Social Network Analysis," In Computer Applications for Software Engineering, Disaster Recovery, and Business Continuity, 1-8.
  32. Kataoka, H., Iwata, K., & Satoh, Y.(2015), "Feature Evaluation of Deep Convolutional Neural Networks for Object Recognition and Detection," arXiv preprint arXiv:1509.07627.
  33. Kim, B. K., Kim, J. Y., Kang, M. K., Yang, M. S., Park, H. W., Min, K. U., Cho, S. H., & Kang, H. R.(2016), "Allergies are still on the Rise? A 6-year Nationwide Population-based Study in Korea," Allergology International, 65(2), 186-191. https://doi.org/10.1016/j.alit.2015.11.002
  34. Krizhevsky, A., Sutskever, I., & Hinton, G. E.(2012), "Imagenet Classification with Deep Convolutional Neural Networks," NIPS'12 Proceedings of the 25th International Conference on Neural Information Processing Systems, 1097-1105.
  35. Lewis‐Jones, M. S.(2006), "A Comparative Study of Impairment of Quality of Life in Children with Skin Disease and Children with other Chronic Childhood Diseases," British Journal of Dermatology, 155(1), 145-151. https://doi.org/10.1111/j.1365-2133.2006.07185.x
  36. Lewis‐Jones, M. S., & Finlay, A. Y. (1995), "The Children's Dermatology Life Quality Index (CDLQI): initial validation and practical use," British Journal of Dermatology, 132(6), 942-949. https://doi.org/10.1111/j.1365-2133.1995.tb16953.x
  37. Lin, M., Chen, Q., & Yan, S. (2013), "Network in network," arXiv preprint arXiv:1312.4400.
  38. Seymour, J. L., Keswick, B. H., Hanifin, J. M., Jordan, W. P., & Milligan, M. C(1987), "Clinical Effects of Diaper Types on the Skin of Normal Infants and Infants with Atopic dermatitis," Journal of the American Academy of Dermatology, 17(6), 988-997. https://doi.org/10.1016/S0190-9622(87)70288-6
  39. Simonyan, K., & Zisserman, A.(2014), "Very deep convolutional networks for large-scale image recognition," arXivpreprint arXiv:1409.1556.
  40. Sowden, J. M., Allen, B. R., Berth-Jones, J., Graham-Brown, R. A. C., Motley, R. J., Finlay, A. Y., & Camp, R. D. R.(1991), "Double-blind, Controlled, Crossover Study of Cyclosporin in Adults with Severe Refractory Atopic Dermatitis," The Lancet, 338(8760), 137-140. https://doi.org/10.1016/0140-6736(91)90134-B
  41. Srivastava, N., Hinton, G. E., Krizhevsky, A., Sutskever, I., & Salakhutdinov, R.(2014), "Dropout: A Simple Way to Prevent Neural Networks from Overfitting," Journal of Machine Learning Research, 15(1), 1929-1958.
  42. Stalder, J. F., Taieb, A., Atherton, D. J., Bieber, P., Bonifazi, E., Broberg, A., & Cuannetti, A.(1993), "Severity Scoring of Atopic Dermatitis: The SCORAD Index: Consensus Report of the European Task Force on Atopic Dermatitis," Dermatology, 186(1), 23-31. https://doi.org/10.1159/000247298
  43. Szegedy, C., Liu, W., Jia, Y., Sermanet, P., Reed, S., Anguelov, D., & Rabinovich, A.(2015), "Going Deeper with Convolutions," In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 1-9.
  44. Williams, H. C.(1995), "On the definition and epidemiology of atopic dermatitis," Dermatologic Clinics, 13(3), 649-657. https://doi.org/10.1016/S0733-8635(18)30070-6
  45. Wu, G., Kim, M., Wang, Q., Gao, Y., Liao, S., & Shen, D.(2013), "Unsupervised deep feature learning for deformable registration of MR brain images," International Conference on Medical Image Computing and Computer-Assisted Intervention, 649-656.