흉부 X-ray 내 튜브 위치 찾기: NG, CVC, ETT 튜브 검출 AI 모델

안녕하세요. 테서의 연구개발팀에서 의료 영상 모델을 개발하고 있는 박기민입니다.

이번 프로젝트는 2023년 진행했던 비위관 사고를 방지하기 위한 NG 튜브 검출 AI 학습 데이터셋 구축에 대한 프로젝트 입니다.

AI 학습을 위한 데이터 가공을 데이터바우처 지원사업을 통해 약 4,000건 이상의 NG, CVC, ETT X-ray 데이터셋을 구축한 방법과 효율적인 작업을 위한 전처리 작업 프로세스에 대한 내용을 소개드립니다.

Nasogastric(NG) tube의 위치 탐지를 위한 데이터 가공

NG 튜브라는 용어를 알고 계신가요? NG 튜브(비위관)란 코를 통해 위까지 넣는 관을 말합니다.

이 관은 소화 기능은 정상이지만, 입으로 식사하지 못할 때 튜브를 통해 영양을 공급하는 방법으로 사용되곤 합니다.

NG 튜브가 위로 삽관되는 과정에 식도가 눌려있거나, 기침하게 되면 잘못된 위치로 이동할 수 있습니다.

이럴 경우 환자는 통증, 위액 역류, 폐렴 등 큰 피해가 발생할 수 있습니다.

위의 의료 사고를 예방하기 위하여 X-ray 영상에서 튜브 위치가 정상적인지 판별하는 과정이 필요합니다.

현재 병원에서는 비위관 사고를 방지하기 위해 일일이 흉부 촬영을 통해 기구가 올바른 위치에 있는지 확인하는 절차를 진행하고 있습니다.

그러나 X-ray 영상을 일일이 확인하는 것은 시간과 비용이 많이 소요되며, 이에 따라 환자의 상태가 악화될 우려가 있습니다.

이러한 비효율성을 최소화하기 위해 테서와 고객사가 협업하여 딥러닝 기반의 X-ray 영상 판독 모델을 개발했습니다.

CLAHE: 효율적인 데이터 가공을 위한 전처리 방법

X-ray 데이터를 라벨링 하는 데 가장 큰 어려움은 이미지 잡음 문제였습니다.

정확한 라벨링을 위해서는 시작부터 끝까지를 정확히 식별하는 것이 중요합니다. 하지만 X-ray에는 많은 노이즈가 존재하여 육안으로 튜브를 확인하기 어려웠습니다.

또한 환자별로 NG 튜브가 자리 잡고 있는 경우가 달랐으며, 정상적이지 않은 케이스도 상당수 존재하여 NG, CVC, ETT 등을 분류하기가 쉽지 않았습니다.

이러한 문제를 해결하고 정확한 라벨링을 위해 사전 전처리 및 가이드 작업을 확립했습니다.

1. CLAHE 방식을 활용한 이미지 대비(Contrast) 전처리

이미지에 대한 CLAHE를 적용하여 높은 대비를 유지하고 노이즈를 감소시킴으로써 튜브를 뚜렷하게 보이게 합니다.

2. Abnormal 케이스에 대한 가이드라인 확립

튜브 감지 중에 발생할 수 있는 이상(Abnormal) 케이스에 대한 가이드라인을 마련하여 팀원들이 명확한 기준에 따라 튜브와 튜브 팁을 식별할 수 있도록 지침을 했습니다.

이러한 방법들을 통해 X-ray 이미지의 노이즈를 줄였으며, 튜브 위치 식별의 정확도를 향상했습니다.

1. CLAHE를 활용한 전처리 방법

위 이미지는 CLAHE(Contrast Limited Adaptive Histogram Equalization)라는 알고리즘의 clip limit 값을 조절하여 비교한 모습니다.

CLAHE 전처리 기법을 활용하여 X-ray 이미지의 대비를 향상시켜, NG, CVC, ETT 튜브가 좀 더 명확히 보이는 모습을 확인할 수 있습니다.

해당 알고리즘을 활용하여 튜브와 배경 간의 간격을 명확하게 조절함으로써 데이터 라벨링에 소요되는 시간을 단축시킬 수 있었습니다.

2. Abnormal한 케이스에 대한 가이드라인 확립

두번째는 이상(Abnormal) 케이스에 대한 가이드를 적립하여 해결한 방법입니다.

작업자 마다 기준이 다르고 데이터가 상이하기 때문에 작업 시작 전, 아래와 같이 대표적인 케이스를 선정하여 해결책을 제시했습니다.

1. NG tube 선이 흐릿한 경우

Solution) tube를 육안으로 식별하지 못하는 샘플의 경우 Abnormal 폴더에 분류

2. NG tube가 입 밖으로 배출된 경우

Solution) 육안으로 식별되는 곳을 라벨링 후 Abnormal 폴더로 분류

3. NG tube가 횡경막 아래에 있지 않은 경우

Solution) 횡경막 위쪽 부분까지 표시 후 Abnormal 폴더에 분류

4. NG tube의 끝이 보이지 않는 경우

Solution) 끝부분이 안 보이는 경우에도 tube가 끝나는 경계에 tip을 표시

환자의 삶의 질을 위한 인공지능 기술

비위관 삽입술은 식사와 약 복용이 어려운 환자들에게 영양을 제공하는 중요한 의료 과정입니다. 그러나 NG 튜브 삽입은 익숙해져도 여전히 시행이 어려운 복잡한 과정입니다. 이 과정에서 특히 중요한 부분은 X-ray를 통해 튜브가 올바른 위치에 있는지 확인하는 것입니다.

흔히 알려진 것처럼, 튜브 위치 확인 하기 위해서 X-ray 촬영은 필수적인 단계입니다. 그러나 이러한 프로세스가 환자들에게 추가적인 불편을 일으킬 수 있습니다. 따라서 튜브 삽입 후 딥러닝 기반 위치 판독 솔루션을 도입함으로써 환자들의 불편함을 최소화하고자 합니다.

최신 기술을 활용한 딥러닝 모델은 X-ray 이미지를 자동으로 분석하여 튜브의 정확한 위치를 신속하게 확인할 수 있습니다.

이를 통해 의료진은 빠르고 정확한 판독을 받을 수 있으며, 환자들은 추가적인 X-ray 검사를 기다릴 필요 없이 안정적이고 원활한 치료를 받을 수 있을 것입니다. Xray 튜브 인식 모델 도입으로 환자의 삶의 질을 향상시키는 데에 기여할 것으로 기대됩니다.